[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Site-Level Fine-Tuning with Progressive Layer Freezing: Towards Robust Prediction of Bronchopulmonary Dysplasia from Day-1 Chest Radiographs in Extremely Preterm Infants

Created by
  • Haebom

作者

Sybelle Goedicke-Fritz (Department of General Pediatrics and Neonatology, Saarland University, Campus Homburg, Homburg/Saar, Germany), Michelle Bous (Department of General Pediatrics and Neonatology, Saarland University, Campus Homburg, EnglinC, Saarland Informatics Campus, Saarland University, Saarbr ucken, Germany, Matthias Flotho (Chair for Clinical Bioinformatics, Saarland Informatics Campus, Saarland University, Saarbr ucken, Germany, Helmholtz Institute for Pharmaceutical Research Saarland), Pascal Hirsch Saarland University, Saarbr ucken, Germany), Hannah Wittig (Department of General Pediatrics and Neonatology, Saarland University, Campus Homburg, Homburg/Saar, Germany), Dino Milanovic (Chair for Clinical Bioinformatics, Saarland Informatics Campus, Saarland University, sar of General Pediatrics and Neonatology, Saarland University, Campus Homburg, Homburg/Saar, Germany), Mathias Kaspar (Digital Medicine, University Hospital of Augsburg, Augsburg, Germany), Sogand Nemat (Department of Radiology, and Interventional Radiology, University Hospital of Gerary (Department of Radiology, and Interventional Radiology, University Hospital of Saarland, Homburg, Germany), Arno B ucker (Department of Radiology, and Interventional Radiology, University Hospital of Saarland, Homburg, Germany), Andreas Keller (Chair for Clinical Bioinformatics, Saarland Informac , Saarland Informatics Helmholtz Institute for Pharmaceutical Research Saarland, Pharma Science Hub), Sascha Meyer (Clinical Centre Karlsruhe, Franz-Lust Clinic for Paediatrics, Karlsruhe, Germany), Michael Zemlin (Department of General Pediatrics and Neonatology, Saarland University, Campus Philipp Flotho (Chair for Clinical Bioinformatics, Saarland Informatics Campus, Saarland University, Saarbr ucken, Germany, Helmholtz Institute for Pharmaceutical Research Saarland)

概要

極低体重児の35％で発生する慢性肺疾患である気管支肺離型性症（BPD）の早期予後および結果予測のためのディープラーニングベースのアプローチを提示する論文です。出生後24時間以内に撮影された極低体重児（在胎期間≦32週、体重401-999g）163人の胸部X線写真を使用して、成人胸部X線写真で事前訓練されたResNet-50モデルを微調整しました。過適合を避けるために、段階的な層の凍結と差別的な学習率を使用し、CutMix拡張と線形プロービングを適用しました。中等度/重度BPD結果予測では、最高性能モデルはAUROC 0.78±0.10、バランス精度0.69±0.10、F1スコア0.67±0.11を達成しました。ゾーン固有の事前トレーニングは、ImageNet初期化よりもパフォーマンスが優れていることを確認しました(p=0.031).日常的なIRDS評価は予後的価値が限られており（AUROC 0.57±0.11）、学習されたマーカーの必要性を確認しました。漸進的凍結と線形プロービングにより、計算的に効率的な方法で現場レベルの実装と将来の連合学習の展開に適しています。

Takeaways、Limitations

•
Takeaways:
◦
出生後24時間以内に撮影された胸部X線写真を用いてBPD結果を正確に予測できるディープラーニングモデルの開発。
◦
地域固有の事前訓練の重要性を確認する。
◦
漸進的層凍結と線形プロービングによる計算的に効率的なモデルの実現
◦
現場レベルの実施と連合学習の配布可能性を提示する。
◦
従来のIRDS定格より正確なBPD予測可能
•
Limitations:
◦
比較的小さい規模のデータセットを使用（163人）。
◦
モデルの一般化性能の追加検証が必要
◦
AUROC、balanced accuracy、F1-scoreはいずれも1に達せず、完璧な予測ではありません。
◦
様々な民族、民族グループの一般化の可能性に関するさらなる研究が必要です。
👍
Made with Slashpage