مقاله یک شبکه متخاصم مولد پارامتری با استفاده از پروجکشن چرخهای برای طبقهبندی تصویر پزشکی قابل توضیح
| عنوان مقاله به انگلیسی | A Parameterized Generative Adversarial Network Using Cyclic Projection for Explainable Medical Image Classification |
| عنوان مقاله به فارسی | مقاله یک شبکه متخاصم مولد پارامتری با استفاده از پروجکشن چرخهای برای طبقهبندی تصویر پزشکی قابل توضیح |
| نویسندگان | Xiangyu Xiong, Yue Sun, Xiaohong Liu, ChanTong Lam, Tong Tong, Hao Chen, Qinquan Gao, Wei Ke, Tao Tan |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 5 |
| دسته بندی موضوعات | Computer Vision and Pattern Recognition,Machine Learning,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین , |
| توضیحات | Submitted 24 November, 2023; originally announced November 2023. , Comments: 5 pages, 4 figures. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible |
| توضیحات به فارسی | ارسال شده 24 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: 5 صفحه ، 4 شکل.این کار برای انتشار احتمالی به IEEE ارسال شده است.حق چاپ ممکن است بدون اطلاع قبلی منتقل شود ، پس از آن ممکن است این نسخه دیگر در دسترس نباشد |
چکیده
Although current data augmentation methods are successful to alleviate the data insufficiency, conventional augmentation are primarily intra-domain while advanced generative adversarial networks (GANs) generate images remaining uncertain, particularly in small-scale datasets. In this paper, we propose a parameterized GAN (ParaGAN) that effectively controls the changes of synthetic samples among domains and highlights the attention regions for downstream classification. Specifically, ParaGAN incorporates projection distance parameters in cyclic projection and projects the source images to the decision boundary to obtain the class-difference maps. Our experiments show that ParaGAN can consistently outperform the existing augmentation methods with explainable classification on two small-scale medical datasets.
چکیده به فارسی (ترجمه ماشینی)
اگرچه روشهای افزایش داده های فعلی برای کاهش نارسایی داده ها موفقیت آمیز هستند ، اما تقویت معمولی در درجه اول درون دامنه است در حالی که شبکه های مخالف تولیدی پیشرفته (GANS) تصاویر باقی مانده باقی مانده ، به ویژه در مجموعه داده های در مقیاس کوچک را تولید می کنند.در این مقاله ، ما یک GAN پارامتری (پاراگانی) پیشنهاد می کنیم که به طور موثری تغییرات نمونه های مصنوعی را در بین دامنه ها کنترل می کند و مناطق توجه را برای طبقه بندی پایین دست برجسته می کند.به طور خاص ، Paragan پاراگهای فاصله از پیش بینی را در طرح ریزی چرخه ای در بر می گیرد و تصاویر منبع را به مرز تصمیم گیری برای به دست آوردن نقشه های اختلاف کلاس طراحی می کند.آزمایشات ما نشان می دهد که پاراگان می تواند به طور مداوم از روشهای تقویت موجود با طبقه بندی قابل توضیح در دو مجموعه داده پزشکی در مقیاس کوچک بهتر عمل کند.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.