順序ラベルによる医用画像分類のためのMeta順序回帰フォレスト【JST・京大機械翻訳】

Lei Yiming; Zhu Haiping; Zhang Junping; Shan Hongming

プレプリント

J-GLOBAL ID：202202205611550842 整理番号：22P0304375

順序ラベルによる医用画像分類のためのMeta順序回帰フォレスト【JST・京大機械翻訳】

Meta Ordinal Regression Forest for Medical Image Classification with Ordinal Labels

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2022年03月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

医用画像分類の性能は,交差エントロピー(CE)損失で典型的に訓練された深い畳み込みニューラルネットワーク(CNN)によって強化された。しかし,ラベルが本質的に固有な順序特性を示すとき,例えば良性から悪性腫瘍への発展,CE損失は,より良い一般化を可能にするためにそのような順序情報を考慮できない。順序情報によるモデル一般化を改善するために,著者らは,メタ学習フレームワークにおける畳み込みニューラルネットワークと微分森林の組合せを通して順序関係を学習する,順序ラベルによる医用画像分類のための新しいメタ順序回帰森林(MORF)法を提案した。提案したMORFのメリットは,次の2つのコンポーネントから来る:ツリーワイズ重み付けネット(TWW-Net)とグループ化特徴選択(GFS)モジュール。第1に,TWW-Netは,対応するツリーの分類損失からマッピングされる特定の重みを有する森林における各木を割当てる。したがって,すべての樹木は,異なる重みを持ち,それは,樹木ごとの予測分散を緩和するのに役立った。第2に,GFSモジュールは以前に使用された固定のものより動的森林を可能にし,ランダム特徴摂動を可能にした。訓練の間,著者らは,Hessian行列を計算することを通して,メタ学習フレームワークにおけるCNNバックボーンとTWW-Netのパラメータを交互に最適化する。順序ラベル,すなわち,LIDC-IDRIと乳房超音波データセットによる2つの医用画像分類データセットに関する実験結果は,既存の最先端の方法に関して著者らのMORF方法の優れた性能を示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , ニューロコンピュータ

, , , ,

前のページに戻る