[공지사항]을 빙자한 안부와 근황 
Show more

दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

प्रगतिशील परत जमने के साथ साइट-स्तर पर बारीक ट्यूनिंग: अत्यंत समयपूर्व जन्मे शिशुओं में पहले दिन के छाती के रेडियोग्राफ से ब्रोंकोपल्मोनरी डिस्प्लेसिया की मजबूत भविष्यवाणी की ओर

Created by
  • Haebom

लेखक

सिबेले गोएडिक-फ्रिट्ज (सामान्य बाल रोग और नवजात विज्ञान विभाग, सारलैंड विश्वविद्यालय, कैंपस होम्बर्ग, होम्बर्ग/सार, जर्मनी), मिशेल बूस (सामान्य बाल रोग और नवजात विज्ञान विभाग, सारलैंड विश्वविद्यालय, कैंपस होम्बर्ग, होम्बर्ग/सार, जर्मनी), एनिका एंगेल (क्लिनिकल बायोइनफॉरमैटिक्स के अध्यक्ष, सारलैंड इंफॉर्मेटिक्स कैंपस, सारलैंड विश्वविद्यालय, सारब्रूकेन , जर्मनी), मैथियास फ्लोथो (क्लिनिकल बायोइनफॉरमैटिक्स के अध्यक्ष, सारलैंड इंफॉर्मेटिक्स कैंपस, सारलैंड विश्वविद्यालय, सारब्रूकेन , जर्मनी, हेल्महोल्ट्ज़ इंस्टीट्यूट फॉर फार्मास्युटिकल रिसर्च सारलैंड), पास्कल हिर्श (क्लिनिकल बायोइनफॉरमैटिक्स के अध्यक्ष, सारलैंड इंफॉर्मेटिक्स कैंपस, सारलैंड विश्वविद्यालय, सारब्रूकेन , जर्मनी), हन्ना विटिग (सामान्य बाल रोग और नवजात विज्ञान विभाग, सारलैंड विश्वविद्यालय होम्बर्ग, होम्बर्ग/सार, जर्मनी), डिनो मिलानोविच (क्लिनिकल बायोइनफॉरमैटिक्स के अध्यक्ष, सारलैंड इंफॉर्मेटिक्स कैंपस, सारलैंड यूनिवर्सिटी, सारलैंड , जर्मनी), डोमिनिक मोहर (जनरल पीडियाट्रिक्स और नियोनटोलॉजी विभाग, सारलैंड यूनिवर्सिटी, कैंपस होम्बर्ग, होम्बर्ग/सार, जर्मनी), मथियास कास्पर (डिजिटल मेडिसिन, यूनिवर्सिटी हॉस्पिटल ऑफ़ ऑग्सबर्ग, ऑग्सबर्ग, जर्मनी), सोगांद नेमत (रेडियोलॉजी विभाग, और इंटरवेंशनल रेडियोलॉजी, यूनिवर्सिटी हॉस्पिटल ऑफ़ सारलैंड, होम्बर्ग, जर्मनी), डोरोथिया कर्नेर (रेडियोलॉजी विभाग, और इंटरवेंशनल रेडियोलॉजी, यूनिवर्सिटी हॉस्पिटल ऑफ़ सारलैंड, होम्बर्ग, जर्मनी), अर्नो बकर (रेडियोलॉजी विभाग, और इंटरवेंशनल रेडियोलॉजी, यूनिवर्सिटी हॉस्पिटल ऑफ़ सारलैंड, होम्बर्ग, जर्मनी), एंड्रियास केलर (क्लिनिकल बायोइनफॉरमैटिक्स के अध्यक्ष, सारलैंड इंफॉर्मेटिक्स कैंपस, सारलैंड यूनिवर्सिटी सारब्रुकेन , जर्मनी, हेल्महोल्ट्ज़ इंस्टीट्यूट फॉर फार्मास्युटिकल रिसर्च सारलैंड, फार्मा साइंस हब), साशा मेयर (क्लिनिकल सेंटर कार्लज़ूए, फ्रांज-लस्ट क्लिनिक फॉर पीडियाट्रिक्स, कार्लज़ूए, जर्मनी), माइकल ज़ेमलिन (जनरल पीडियाट्रिक्स और नियोनटोलॉजी विभाग, सारलैंड विश्वविद्यालय, कैंपस होम्बर्ग, होम्बर्ग/सार, जर्मनी), फिलिप फ्लोथो (क्लिनिकल बायोइनफॉरमैटिक्स के अध्यक्ष, सारलैंड इंफॉर्मेटिक्स कैंपस, सारलैंड विश्वविद्यालय, सारब्रुकेन , जर्मनी, हेल्महोल्ट्ज़ इंस्टीट्यूट फॉर फार्मास्युटिकल रिसर्च सारलैंड)

रूपरेखा

यह शोधपत्र ब्रोंकोपल्मोनरी डिस्प्लेसिया (बीपीडी) के प्रारंभिक निदान और परिणाम की भविष्यवाणी के लिए एक गहन शिक्षण-आधारित दृष्टिकोण प्रस्तुत करता है। यह एक दीर्घकालिक फेफड़ों की बीमारी है जो 35% अत्यंत कम जन्म भार वाले शिशुओं में पाई जाती है। हमने जन्म के बाद पहले 24 घंटों के भीतर लिए गए 163 अत्यंत कम जन्म भार वाले शिशुओं (गर्भावस्था ≤32 सप्ताह, शरीर का वजन 401-999 ग्राम) के वक्षीय Xएक्स-रे का उपयोग करके वयस्क वक्ष Xएक्स-रे पर पूर्व-प्रशिक्षित एक ResNet-50 मॉडल को परिष्कृत किया है। हम ओवरफिटिंग को रोकने के लिए प्रगतिशील परत फ्रीजिंग और विभेदक शिक्षण दर का उपयोग करते हैं, और कटमिक्स संवर्द्धन और रैखिक जांच लागू करते हैं। सर्वश्रेष्ठ प्रदर्शन करने वाला मॉडल मध्यम/गंभीर BPD परिणामों की भविष्यवाणी के लिए 0.78 ± 0.10 का AUROC, 0.69 ± 0.10 की संतुलित सटीकता और 0.67 ± 0.11 का F1-स्कोर प्राप्त करता है। हमने पाया कि डोमेन-विशिष्ट पूर्व-प्रशिक्षण ने ImageNet आरंभीकरण (p = 0.031) से बेहतर प्रदर्शन किया। नियमित IRDS रेटिंग का पूर्वानुमानात्मक मान सीमित था (AUROC 0.57 ± 0.11), जो सीखे गए मार्करों की आवश्यकता की पुष्टि करता है। प्रगतिशील हिमीकरण और रैखिक जाँच इसे क्षेत्र-स्तरीय कार्यान्वयन और भविष्य के फ़ेडरेटेड लर्निंग परिनियोजन के लिए उपयुक्त एक कम्प्यूटेशनल रूप से कुशल विधि बनाते हैं।

____T33930_____, Limitations

•
Takeaways:
◦
एक गहन शिक्षण मॉडल का विकास जो जन्म के 24 घंटे के भीतर लिए गए छाती के X रेडियोग्राफ का उपयोग करके बीपीडी परिणामों की सटीक भविष्यवाणी कर सकता है।
◦
डोमेन-विशिष्ट पूर्व-प्रशिक्षण के महत्व की पुष्टि करता है।
◦
प्रगतिशील पदानुक्रमित हिमीकरण और रैखिक जांच के माध्यम से कम्प्यूटेशनल रूप से कुशल मॉडल कार्यान्वयन।
◦
संघीय शिक्षा के लिए क्षेत्र-स्तरीय कार्यान्वयन और परिनियोजन संभावनाओं को प्रस्तुत करना।
◦
मौजूदा आईआरडीएस ग्रेड की तुलना में अधिक सटीक बीपीडी भविष्यवाणी।
•
Limitations:
◦
अपेक्षाकृत छोटे डेटासेट (163 लोग) का उपयोग करना।
◦
मॉडल के सामान्यीकरण प्रदर्शन का और अधिक सत्यापन आवश्यक है।
◦
यह पूर्णतः सटीक भविष्यवाणी नहीं है, क्योंकि AUROC, संतुलित सटीकता और F1-स्कोर सभी 1 तक नहीं पहुंचते हैं।
◦
विभिन्न नस्लीय और जातीय समूहों में सामान्यीकरण का निर्धारण करने के लिए आगे अनुसंधान की आवश्यकता है।
👍
Made with Slashpage