Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Không chắc chắn nhưng hữu ích: Tận dụng tính biến thiên của CNN để tăng cường dữ liệu

Created by
  • Haebom

Tác giả

Trong es Gonzalez-Pepe, Vinuyan Sivakolunthu, Yohan Chatelain, Tristan Glatard

Phác thảo

Bài báo này nghiên cứu sự bất ổn định số phát sinh trong quá trình huấn luyện FastSurfer, một quy trình phân tích hình ảnh não dựa trên học sâu (DL). Chúng tôi phân tích tính biến thiên của quy trình huấn luyện FastSurfer bằng cách sử dụng nhiễu loạn có kiểm soát, sử dụng nhiễu loạn dấu phẩy động và hạt giống ngẫu nhiên, chứng minh rằng DL dễ bị bất ổn hơn so với các quy trình hình ảnh thần kinh thông thường. Tuy nhiên, tập hợp được tạo ra thông qua nhiễu loạn hoạt động tương tự như mô hình cơ sở không có nhiễu loạn, chứng minh rằng tính biến thiên này có thể được tận dụng cho các ứng dụng tiếp theo, chẳng hạn như phân tích hồi quy tuổi não. Kết luận của chúng tôi cho thấy tính biến thiên thời gian huấn luyện không chỉ là vấn đề về khả năng tái tạo mà còn có thể được tận dụng như một nguồn lực để tăng cường độ tin cậy và cho phép các ứng dụng mới.

Takeaways, Limitations

•
Takeaways:
◦
Chúng tôi đã xác định những bất ổn về số xảy ra trong quá trình đào tạo đường ống phân tích hình ảnh não dựa trên học sâu và phân tích nguyên nhân cũng như tác động của chúng.
◦
Chúng tôi khai thác tính biến đổi trong quá trình đào tạo để tạo ra các mô hình tổng hợp, gợi ý tiềm năng nâng cao hiệu suất và phát triển các ứng dụng mới.
◦
Chúng tôi trình bày một nghiên cứu điển hình chứng minh rằng tính biến thiên trong quá trình đào tạo có thể được tận dụng như một chiến lược tăng cường dữ liệu.
•
Limitations:
◦
Vì phân tích này chỉ dành cho một đường ống duy nhất, FastSurfer, nên khả năng khái quát hóa sang các đường ống phân tích hình ảnh não dựa trên DL khác bị hạn chế.
◦
Phân tích hồi quy tuổi não Kết quả chỉ được trình bày cho một ứng dụng, do đó khả năng áp dụng cho các ứng dụng khác cần được nghiên cứu thêm.
◦
Các loại và cường độ nhiễu loạn được sử dụng trong phân tích còn hạn chế, do đó cần nghiên cứu thêm về các loại nhiễu loạn khác.
👍
Made with Slashpage