ترجمه فارسی مقاله Adaptify: یک طرح سازگاری اصلاح شده برای طبقه بندی فریم در فیلم های گاستریت آتروفیک

چکیده

Atrophic gastritis is a significant risk factor for developing gastric cancer. The incorporation of machine learning algorithms can efficiently elevate the possibility of accurately detecting atrophic gastritis. Nevertheless, when the trained model is applied in real-life circumstances, its output is often not consistently reliable. In this paper, we propose Adaptify, an adaptation scheme in which the model assimilates knowledge from its own classification decisions. Our proposed approach includes keeping the primary model constant, while simultaneously running and updating the auxiliary model. By integrating the knowledge gleaned by the auxiliary model into the primary model and merging their outputs, we have observed a notable improvement in output stability and consistency compared to relying solely on either the main model or the auxiliary model.

چکیده به فارسی (ترجمه ماشینی)

گاستریت آتروفیک یک عامل خطر قابل توجهی برای ایجاد سرطان معده است.ترکیب الگوریتم های یادگیری ماشین می تواند به طور مؤثر امکان تشخیص دقیق گاستریت آتروفیک را بالا ببرد.با این وجود ، هنگامی که مدل آموزش دیده در شرایط زندگی واقعی اعمال می شود ، تولید آن اغلب به طور مداوم قابل اعتماد نیست.در این مقاله ، ما Adaptify را پیشنهاد می کنیم ، یک طرح سازگاری که در آن مدل دانش را از تصمیمات طبقه بندی خود جذب می کند.رویکرد پیشنهادی ما شامل ثابت نگه داشتن مدل اولیه است ، در حالی که همزمان مدل کمکی را اجرا و به روز می کند.با ادغام دانش جمع آوری شده توسط مدل کمکی در مدل اصلی و ادغام خروجی های آنها ، ما در مقایسه با تکیه فقط به مدل اصلی یا مدل کمکی ، بهبود قابل توجهی در ثبات و قوام خروجی مشاهده کرده ایم.