文献

J-GLOBAL ID：202202214836167723   整理番号：22A0732680

自閉性患者を同定するための粗い随伴矛盾と最適輸送に基づくドメイン適応【JST・京大機械翻訳】

Domain adaptation based on rough adjoint inconsistency and optimal transport for identifying autistic patients

著者 (4件)： Shi Chun-lei (School of Artificial Intelligence, Beijing Normal University, Beijing, 100875, China) ,  Xin Xian-wei (School of Artificial Intelligence, Beijing Normal University, Beijing, 100875, China) ,  Zhang Jia-cai (School of Artificial Intelligence, Beijing Normal University, Beijing, 100875, China) ,  Zhang Jia-cai (Engineering Research Center of Intelligent Technology and Educational Application, Ministry of Education, Beijing, 100875, China)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 215  ページ： Null  発行年： 2022年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： コンピュータ支援診断技術は,神経画像から自閉症スペクトラム障害(ASD)を診断するために広く使用されてきた。モデルの性能は,通常,実際のサンプル分布を反映する十分な数の訓練サンプルに依存する。ラベル付きニューラル画像データの欠如のため,マルチサイトデータはしばしばサンプルサイズを拡大するために一緒にプールされる。しかし,サイト間の不均一性は,必然的にモデルの一般化の減少につながる。この問題を解決するために,粗い随伴不整合と最適輸送を用いたマルチソース教師なしドメイン適応法を提案した。最初に,粗い随伴不整合の概念を定義し,各ソース領域の重み係数を推定するために,粗い随伴不整合とDempster-Shafer(D-S)証拠理論に基づく二重量子化法を提案し,各ソースドメインの重要性をターゲットドメインに正確に記述した。第二に,最適輸送理論を用いて,著者らはドメイン間のデータ分布差異を弱めて,クラス間のサンプリング重みを調整することによってクラス不均衡の問題を解決した。提案方法のASD認識精度は,それぞれ70.67%,64.86%,62.50%,70.80%,73.08%,71.19%,75.41%,および75.76%であるすべての8つのタスクで改善される。提案モデルは,従来の機械学習法や他の最近提案された深層学習モデルと比較して優れた性能を達成した。著者らの方法は,粗い随伴不整合と最適輸送の融合が,ASDを同定し,ドメイン間の相関を定量化するための強力なツールであることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 量子化 ,  分類 ,  輸送理論 ,  計算機診断 ,  モデル ,  *自閉症 ,  不整合 ,  不均一性 ,  機械学習
準シソーラス用語： 画像データ ,  証拠理論 ,  認識精度 ,  自閉症スペクトラム障害 ,  深層学習 ,  クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (4件)： 自閉症スペクトラム障害 ,  ドメイン適応 ,  粗い随伴不整合 ,  最適輸送

分類 (2件)： 医用情報処理  (JE15030Q) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 自閉 ,  患者 ,  同定 ,  随伴 ,  矛盾 ,  輸送 ,  ドメイン適応