光干渉断層撮影分類のための医師診断を用いたマルチモーダル学習【JST・京大機械翻訳】

Logan Y.; Kokilepersaud K.; Kwon G.; AlRegib G.; Wykoff C.; Yu H.

プレプリント

J-GLOBAL ID：202202220510280320 整理番号：22P0307272

光干渉断層撮影分類のための医師診断を用いたマルチモーダル学習【JST・京大機械翻訳】

Multi-Modal Learning Using Physicians Diagnostics for Optical Coherence Tomography Classification

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 (6件)： , , , , ,
資料名：
発行年： 2022年03月20日プレプリントサーバーでの情報更新日： 2022年03月20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)

本論文では,マルチモーダル学習を用いた光コヒーレンストモグラフィー(OCT)の解析に専門家診断と洞察を組み入れるフレームワークを提案した。このアプローチの有効性を実証するために,OCTを用いて疾患分類を改善するために医療診断属性データセットを作成した。OCTにおける疾患分類のための機械学習を展開する試みが成功しているが,そのような方法論は専門家の洞察を欠いている。学習フレームワークにおけるもう一つの監視としての眼科評価の注入は,正確で解釈可能な分類を行うための機械学習プロセスにとって非常に重要であると主張する。診断属性特徴を潜在的視覚表現と組合せる有効性を比較する包括的実験を通して提案フレームワークを実証し,それらが最先端のアプローチを凌ぐことを示した。最後に,提案したデュアルストリームアーキテクチャを解析し,分類性能に最も寄与する成分を決定する洞察を提供する。【JST・京大機械翻訳】

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

人工知能

, , , , ,

前のページに戻る