論文の概要: Stro-VIGRU: Defining the Vision Recurrent-Based Baseline Model for Brain Stroke Classification
- arxiv url: http://arxiv.org/abs/2511.18316v1
- Date: Sun, 23 Nov 2025 07:09:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.767748
- Title: Stro-VIGRU: Defining the Vision Recurrent-Based Baseline Model for Brain Stroke Classification
- Title（参考訳）: Stro-VIGRU:脳卒中分類のためのビジョンリカレントベースラインモデルの定義
- Authors: Subhajeet Das, Pritam Paul, Rohit Bahadur, Sohan Das,
- Abstract要約: 脳卒中早期発見のための事前訓練型視覚変換器を用いた伝達学習フレームワークを提案する。
ViTモデルのいくつかのエンコーダブロックは凍結され、残りは脳卒中特有の特徴を学習するために微調整される。
このモデルはストロークデータセットから脳卒中を分類する際に94.06%の精度を達成した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stroke majorly causes death and disability worldwide, and early recognition is one of the key elements of successful treatment of the same. It is common to diagnose strokes using CT scanning, which is fast and readily available, however, manual analysis may take time and may result in mistakes. In this work, a pre-trained Vision Transformer-based transfer learning framework is proposed for the early identification of brain stroke. A few of the encoder blocks of the ViT model are frozen, and the rest are allowed to be fine-tuned in order to learn brain stroke-specific features. The features that have been extracted are given as input to a single-layer Bi-GRU to perform classification. Class imbalance is handled by data augmentation. The model has achieved 94.06% accuracy in classifying brain stroke from the Stroke Dataset.
- Abstract（参考訳）: ストロークは、主に世界中で死と障害を引き起こし、早期認識は同じ治療の成功の鍵となる要素の1つである。
CTスキャンを用いて脳卒中を診断することは一般的であるが、手動による解析は時間がかかり、誤診につながる可能性がある。
本研究では,脳卒中早期発見のための事前学習型視覚変換器を用いた伝達学習フレームワークを提案する。
ViTモデルのいくつかのエンコーダブロックは凍結され、残りは脳卒中特有の特徴を学習するために微調整される。
抽出された特徴は、単一層Bi-GRUへの入力として与えられ、分類を行う。
クラス不均衡はデータ拡張によって処理される。
このモデルはストロークデータセットから脳卒中を分類する際に94.06%の精度を達成した。
関連論文リスト
- Brain Stroke Detection and Classification Using CT Imaging with Transformer Models and Explainable AI [0.0]
本研究では,CTスキャン画像を用いたマルチクラス脳卒中分類のための人工知能フレームワークを提案する。
提案手法は,画像ベースストローク分類の深層学習モデルとして,最先端のビジョン変換器であるMaxViTを採用した。
モデル一般化とアドレスクラス不均衡を改善するため,データ拡張手法を適用した。
論文 参考訳（メタデータ） (2025-07-13T13:50:50Z) - An Efficient Deep Learning Framework for Brain Stroke Diagnosis Using Computed Tomography (CT) Images [0.0]
脳卒中は世界中で死亡率と長期障害の主な原因である。
ほとんどのストローク分類技術は、単一のスライスレベルの予測メカニズムを使用する。
本研究では,CTスキャン画像を用いた脳卒中早期予測のための機械学習モデルについて検討した。
論文 参考訳（メタデータ） (2025-07-04T13:11:29Z) - Enhancing Stroke Diagnosis in the Brain Using a Weighted Deep Learning Approach [0.0]
脳卒中は、脳の一部への血流が破壊され、細胞死に至るときに起こる。
CTスキャンやMRIなどの従来の脳卒中診断法は費用と時間を要する。
本研究では,ランダムフォレスト,ディープラーニング,ヒストグラムに基づく勾配上昇などの分類器からの予測を組み合わせて,より効果的にストロークを予測する,重み付き投票アンサンブル(WVE)機械学習モデルを提案する。
このモデルはプライベートデータセットで94.91%の精度を達成し、早期のリスク評価と予防を可能にした。
論文 参考訳（メタデータ） (2025-04-17T21:54:36Z) - Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。
具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。
知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
論文 参考訳（メタデータ） (2024-07-31T04:32:43Z) - DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。
The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文 参考訳（メタデータ） (2023-12-02T22:57:25Z) - Beyond the Snapshot: Brain Tokenized Graph Transformer for Longitudinal
Brain Functional Connectome Embedding [4.7719542185589585]
脳機能コネクトーム(FC)をベースとしたグラフニューラルネットワーク(GNN)は、アルツハイマー病(AD)などの神経変性疾患の診断と予後に有用なツールとして登場した。
しかし、これらのモデルは、FC軌跡を特徴付けるのではなく、単一の時点における脳内FC用に調整されている。
本研究は神経変性疾患の診断と予後に応用した,脳内FC軌道埋め込みのための最初の解釈可能な枠組みを提案する。
論文 参考訳（メタデータ） (2023-07-03T08:57:30Z) - Meta-Analysis of Transfer Learning for Segmentation of Brain Lesions [0.0]
3次元磁気共鳴(MR)画像からの脳卒中病変の手動分割は、現在の金標準である。
転写学習(TL)と混合データアプローチを用いて訓練した8種類の2次元モデルアーキテクチャを用いて,脳卒中病変の完全自動セグメンテーション手法の実装と試験を行った。
クロスバリデーションの結果,新しい手法は,地中真実と比較して高速かつ高精度に病変を分割できることがわかった。
論文 参考訳（メタデータ） (2023-06-20T17:42:30Z) - Adapter Learning in Pretrained Feature Extractor for Continual Learning
of Diseases [66.27889778566734]
現在、インテリジェント診断システムには、デプロイされたばかりの新しい病気を継続的に診断する能力がない。
特に、新しい疾患のトレーニングデータを用いたインテリジェント診断システムの更新は、古い疾患の知識を壊滅的に忘れてしまう可能性がある。
ACLと呼ばれるアダプタベースの連続学習フレームワークは、新しい病気の集合を効果的に学習するために提案されている。
論文 参考訳（メタデータ） (2023-04-18T15:01:45Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳（メタデータ） (2021-04-04T20:30:14Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。