ຕາຕະລາງການເຊື່ອມຕໍ່   ບົດຄັດຫຍໍ້ແລະບົດແນະນໍາ   ວຽກງານທີ່ກ່ຽວຂ້ອງ  ວິທີການ   3.1 ຄວາມຍຸຕິທຳໃນແງ່ບວກ   3.2 ຄໍາຮ້ອງສະຫມັກ   ການທົດລອງ   4.1 ຜົນໄດ້ຮັບເບື້ອງຕົ້ນ   4.2 ຄວາມຍຸຕິທຳໃນແງ່ບວກ   ບົດສະຫຼຸບ ແລະເອກະສານອ້າງອີງ  3.2 ຄໍາຮ້ອງສະຫມັກ  ເພື່ອເຮັດໃຫ້ແນວຄິດຍຸດຕິທໍານີ້ເຂົ້າໄປໃນການປະຕິບັດແລະສະແດງໃຫ້ເຫັນຄວາມແຕກຕ່າງກັບຄວາມຍຸຕິທໍາຂອງກຸ່ມແບບດັ້ງເດີມ, ພວກເຮົາປຽບທຽບສາມແບບທີ່ນໍາໃຊ້ຄຸນລັກສະນະທີ່ລະອຽດອ່ອນກັບຕົວແບບພື້ນຖານ. ວິທີການທີ່ຄຸນລັກສະນະທີ່ລະອຽດອ່ອນຖືກນໍາໃຊ້ໂດຍຕົວແບບແມ່ນເປັນທີ່ຮູ້ຈັກຜົນກະທົບຕໍ່ຄວາມຍຸຕິທໍາແລະການປະຕິບັດຂອງຕົວແບບ [3,39,41,11]. ດັ່ງນັ້ນ, ພວກເຮົາໃຊ້ຕົວແບບທີ່ມີຄຸນລັກສະນະທີ່ລະອຽດອ່ອນຢ່າງຈະແຈ້ງ, ຫຼືໃນທາງກັບກັນ, ເອົາການເຂົ້າລະຫັດປະຊາກອນອອກຈາກຂໍ້ມູນການປ້ອນຂໍ້ມູນ.  ສີ່ຕົວແບບໄດ້ຖືກຝຶກອົບຮົມກ່ຽວກັບບັນຫາການຈັດປະເພດຫຼາຍປ້າຍຂອງຜົນການຄົ້ນພົບໃນ radiography ຫນ້າເອິກ (CXR). ໃນການຕັ້ງຄ່າທັງຫມົດ, ກະດູກສັນຫຼັງຂອງ Densenet-121 [13] ຖືກນໍາໃຊ້, ເຊິ່ງໄດ້ຖືກກໍານົດຢ່າງຈະແຈ້ງເພື່ອໃຫ້ປະສິດທິພາບທີ່ດີທີ່ສຸດສໍາລັບບັນຫານີ້. ສະຖາປັດຕະຍະກໍາແບບທີ່ແນ່ນອນແມ່ນສະແດງຢູ່ໃນຮູບ 2 ແລະອະທິບາຍຂ້າງລຸ່ມນີ້:  –   : ຕົວຈັດປະເພດພື້ນຖານໂດຍໃຊ້ຮູບພາບເປັນການປ້ອນຂໍ້ມູນ ແລະໄດ້ຮັບການຝຶກອົບຮົມເພື່ອຄາດຄະເນການຄົ້ນພົບ CXR ເປົ້າໝາຍທີ່ກ່ຽວຂ້ອງກັບຊຸດຂໍ້ມູນຂອງພວກເຮົາ. ຮູບແບບດັ່ງກ່າວປະກອບດ້ວຍກະດູກສັນຫຼັງເພື່ອສະກັດລັກສະນະຮູບພາບແລະສາຂາການຄົ້ນຫາທີ່ປະກອບດ້ວຍຊັ້ນເຊື່ອມຕໍ່ຢ່າງເຕັມສ່ວນແລະການສູນເສຍຂອງ entropy ຂ້າມ binary ສໍາລັບແຕ່ລະການຄົ້ນຫາ. M1  –   : ການ​ຈັດ​ປະ​ເພດ​ການ​ນໍາ​ໃຊ້​ທັງ​ຮູບ​ພາບ​ແລະ​ລັກ​ສະ​ນະ​ເຊື້ອ​ຊາດ​ເປັນ​ການ​ປ້ອນ​ຂໍ້​ມູນ​. ຂໍ້ມູນເຊື້ອຊາດມາໃນຮູບແບບຂອງຕົວແປປະເພດ, ເຊິ່ງພວກເຮົາປ່ຽນເປັນ vector ຮ້ອນຫນຶ່ງແລະ feed ກັບ layer ເຊື່ອມຕໍ່ຢ່າງເຕັມສ່ວນ. ພວກເຮົາ concatenate ລັກສະນະຈາກຊັ້ນເຊື່ອມຕໍ່ຢ່າງເຕັມສ່ວນແລະລັກສະນະຮູບພາບກ່ອນທີ່ຈະສົ່ງຕໍ່ໄປຫາສາຂາ. ແບບຈໍາລອງແມ່ນການຝຶກອົບຮົມຈາກຈຸດຈົບ. M2  –   : ການຈັດປະເພດທີ່ໃຊ້ຮູບພາບເປັນການປ້ອນຂໍ້ມູນເທົ່ານັ້ນ, ແຕ່ໄດ້ຮັບການຝຶກອົບຮົມເພື່ອຄາດຄະເນການຄົ້ນພົບຮູບພາບເຊັ່ນດຽວກັນກັບກຸ່ມເຊື້ອຊາດ (ເຊັ່ນ: ຮູບແບບນີ້ມີຈຸດປະສົງເພື່ອໃຊ້ການເຂົ້າລະຫັດເຊື້ອຊາດທີ່ມີຢູ່ໃນຮູບພາບ). ສໍາລັບຮູບແບບນີ້, ພວກເຮົາດັດແປງຊັ້ນສຸດທ້າຍຂອງການຈັດປະເພດພື້ນຖານໂດຍການປັບຫນ້າທີ່ສູນເສຍເພື່ອເພີ່ມປະສິດທິພາບສອງຫນ້າວຽກ: ການຄົ້ນພົບ CXR ແລະກຸ່ມເຊື້ອຊາດ. ພວກເຮົາຍັງປ່ຽນຂໍ້ມູນເຊື້ອຊາດເປັນ vector encoded ຮ້ອນດຽວເພື່ອນໍາໃຊ້ການສູນເສຍຫຼາຍຊັ້ນຮຽນ. ສາຂາການຈັດປະເພດເຊື້ອຊາດແມ່ນເຮັດດ້ວຍຊັ້ນເຊື່ອມຕໍ່ຢ່າງເຕັມສ່ວນແລະຫນ້າທີ່ສູນເສຍ entropy ຂ້າມ. ການສູນເສຍສຸດທ້າຍແມ່ນຄິດໄລ່ໂດຍການເພີ່ມການຊອກຫາການສູນເສຍແລະການສູນເສຍເຊື້ອຊາດດ້ວຍການສູນເສຍນ້ໍາຫນັກ λ. M3  –   : ຕົວຈັດປະເພດທີ່ໃຊ້ຮູບພາບເປັນການປ້ອນຂໍ້ມູນ, ການຝຶກອົບຮົມເພື່ອຄາດຄະເນການຄົ້ນພົບຮູບພາບ, ໃນຂະນະທີ່ຫຼຸດຜ່ອນການໃຊ້ຂໍ້ມູນເຊື້ອຊາດທີ່ເຂົ້າລະຫັດໃນຮູບພາບ. ສໍາລັບຮູບແບບນີ້, ພວກເຮົາປະຕິບັດເຕັກນິກການປີ້ນກັບກັນ gradient ທີ່ອະທິບາຍໄວ້ໃນ [28]. ພວກເຮົານໍາໃຊ້ຊັ້ນການປີ້ນກັບກັນ gradient ກ່ອນສາຂາເຊື້ອຊາດ.  M4   ຜູ້ຂຽນ:  (1) Samia Belhadj∗, Lunit Inc., Seoul, ສາທາລະນະລັດເກົາຫຼີ (samia.belhadj@lunit.io);  (2) Sanguk Park [0009 −0005 −0538 −5522]*, Lunit Inc., Seoul, ສາທາລະນະລັດເກົາຫຼີ (tony.superb@lunit.io);  (3) Ambika Seth, Lunit Inc., Seoul, ສາທາລະນະລັດເກົາຫຼີ (ambika.seth@lunit.io);  (4) Hesham Dar [0009 −0003 −6458 −2097], Lunit Inc., Seoul, ສາທາລະນະລັດເກົາຫຼີ (heshamdar@lunit.io);  (5) Thijs Kooi [0009 −0003 −6458 −2097], Kooi, Lunit Inc., Seoul, Republic of Korea (tkooi@lunit.io).  ເອກະສານນີ້   ພາຍໃຕ້ໃບອະນຸຍາດ CC BY-NC-SA 4.0. ມີຢູ່ໃນ arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

Snapshot of society, a statistical portrait of people, age, gender, understanding populations, and their diverse stories

demographic's blog

ສຽງນີ້ຖືກຜະລິດເປັນພາສາຕົ້ນສະບັບຂອງເລື່ອງ!

ຂໍ້ມູນທີ່ລະອຽດອ່ອນມີຜົນກະທົບຄວາມຍຸຕິທໍາແລະຄວາມຖືກຕ້ອງໃນຮູບແບບ AI ການແພດ

About Author

ຄຳເຫັນ

ວາງປ້າຍ

ບົດຄວາມນີ້ໄດ້ຖືກນໍາສະເຫນີໃນ

Related Stories

Your Most Frequently Asked HackerNoon Questions, answered by a Shakespearean Bot

Microsoft's AI Bet Fails to Dent Google's Search Dominance

10 Lessons I Learned as a First-time Tech Product Founder

Meet Surfshark: HackerNoon Company of the Week

Your Most Frequently Asked HackerNoon Questions, answered by a Shakespearean Bot

Microsoft's AI Bet Fails to Dent Google's Search Dominance

10 Lessons I Learned as a First-time Tech Product Founder

Meet Surfshark: HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps

ຂໍ້​ມູນ​ທີ່​ລະ​ອຽດ​ອ່ອນ​ມີ​ຜົນ​ກະ​ທົບ​ຄວາມ​ຍຸ​ຕິ​ທໍາ​ແລະ​ຄວາມ​ຖືກ​ຕ້ອງ​ໃນ​ຮູບ​ແບບ AI ການ​ແພດ​