Fugu-MT 論文翻訳(概要): Random Forest-Based Prediction of Bone Volume Fraction and Fracture Position from S-Parameters

論文の概要: Random Forest-Based Prediction of Bone Volume Fraction and Fracture Position from S-Parameters

arxiv url: http://arxiv.org/abs/2607.23563v1
Date: Sun, 26 Jul 2026 09:26:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-28 22:34:15.151219
Title: Random Forest-Based Prediction of Bone Volume Fraction and Fracture Position from S-Parameters
Title（参考訳）: ランダムフォレストによるSパラメータによる骨量および骨折位置の予測
Abstract要約: マルチチャネルSパラメータデータに基づくランダム森林モデルを構築し,骨量率(BVF)と骨折位置を予測する手法を提案する。マルチチャネルSパラメータデータを取得するために、9アンテナマイクロ波走査システムの設計と製造を行う。
参考スコア（独自算出の注目度）: 6.754306877306515
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a method for predicting bone volume fraction (BVF) and fracture position by constructing a random forest model based on multichannel S-parameters. A nine-antenna microwave scanning system is designed and fabricated to acquire the multichannel S-parameter data. Bone-mimicking phantoms are developed, and corresponding experiments are conducted to validate the effectiveness of the proposed approach. Both synthetic and experimental results demonstrate the validity of the method.
Abstract（参考訳）: 本稿では,多チャンネルSパラメータに基づくランダム森林モデルを構築し,骨量率(BVF)と骨折位置を予測する手法を提案する。マルチチャネルSパラメータデータを取得するために、9アンテナマイクロ波走査システムの設計と製造を行う。骨模倣ファントムを開発し,それに対応する実験を行い,提案手法の有効性を検証した。合成と実験の両方の結果から, 本手法の有効性が示された。

関連論文リスト

Discrete Diffusion with Sample-Efficient Estimators for Conditionals [2.7400724993677703]
本研究では, 単点条件のサンプル効率推定とラウンドロビンのノイズ発生とデノナイジングのダイナミックスを統合した離散的デノナイジング拡散フレームワークについて検討する。拡散力学におけるこれらの条件を推定するために,NeurISE (Neur Interaction Screening Estimator) と呼ばれる試料効率のよい手法を用いる。合成イジングモデル、MNIST、D-Wave量子アニール、合成ポッツモデルおよび1次元量子システムによって生成された科学データセットに関する制御された実験は、提案手法を実証している。
論文参考訳（メタデータ） (2026-02-23T19:20:37Z)
Feature Importance Guided Random Forest Learning with Simulated Annealing Based Hyperparameter Tuning [0.0]
本稿では,確率的特徴サンプリングとハイパーパラメータチューニングを統合したランダムフォレスト分類器の高速化のための新しいフレームワークを提案する。リスク評価,IoTエコシステムの異常検出,早期診断,高次元生物学的データ分析など,さまざまな領域にわたる堅牢な分類の課題に対処する。その結果,特徴的関連性に対する一貫した精度向上と有意義な洞察が示され,注意深いサンプリングとメタヒューリスティック最適化の併用の有効性が示された。
論文参考訳（メタデータ） (2025-10-31T12:14:53Z)
Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文参考訳（メタデータ） (2024-04-11T09:23:36Z)
Score-based Source Separation with Applications to Digital Communication Signals [72.6570125649502]
拡散モデルを用いた重畳音源の分離手法を提案する。高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
論文参考訳（メタデータ） (2023-06-26T04:12:40Z)
Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文参考訳（メタデータ） (2023-06-03T06:19:20Z)
Predicting Loose-Fitting Garment Deformations Using Bone-Driven Motion Networks [63.596602299263935]
本稿では,骨駆動型モーションネットワークを用いて,ゆるやかな衣服メッシュの変形を対話的に予測する学習アルゴリズムを提案する。提案手法は,メッシュ変形の予測精度を約20%,ハウスドルフ距離とSTEDで約10%向上させる。
論文参考訳（メタデータ） (2022-05-03T07:54:39Z)
Automatic tempered posterior distributions for Bayesian inversion problems [0.0]
この手法は反復的な手順で実装され、サンプリングと最適化のステップを交互に行う。雑音パワーは、興味のある変数の後方分布の摂動パラメータとしても用いられる。モデルパラメータとスケールパラメータに関するベイズ的な完全な研究も行うことができる。
論文参考訳（メタデータ） (2021-07-24T14:06:00Z)
Deep Random Projection Outlyingness for Unsupervised Anomaly Detection [1.2249546377051437]
元のランダムプロジェクションアウトライジングネス尺度をニューラルネットワークに修正して関連付け、教師なし異常検出方法を得る。提案したニューラルネットワークアプローチの性能は、最先端の異常検出手法に匹敵する。
論文参考訳（メタデータ） (2021-06-08T14:13:43Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
An Asymptotically Optimal Multi-Armed Bandit Algorithm and Hyperparameter Optimization [48.5614138038673]
本稿では,高パラメータ探索評価のシナリオにおいて,SS (Sub-Sampling) と呼ばれる効率的で堅牢な帯域幅に基づくアルゴリズムを提案する。また,BOSSと呼ばれる新しいパラメータ最適化アルゴリズムを開発した。実験的な研究は、SSの理論的議論を検証し、多くのアプリケーションにおけるBOSSの優れた性能を実証する。
論文参考訳（メタデータ） (2020-07-11T03:15:21Z)
Joint Total Variation ESTATICS for Robust Multi-Parameter Mapping [0.0]
ESTATICSは、R2*と複数の外挿インターセプトを抽出するために、複数のエコー系列の連接対数整合を行う。提案アルゴリズムは,リッチな単目的データセットにおいて,左からのエコーを予測して評価する。
論文参考訳（メタデータ） (2020-05-28T19:08:42Z)

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。