ترجمه فارسی مقاله بهره‌برداری از نقشه‌های XAI برای بهبود بخش‌بندی و تشخیص ضایعات MS در MRI

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Exploiting XAI maps to improve MS lesion segmentation and detection in MRI
عنوان مقاله به فارسی بهره‌برداری از نقشه‌های XAI برای بهبود بخش‌بندی و تشخیص ضایعات MS در MRI
نویسندگان Federico Spagnolo, Nataliia Molchanova, Mario Ocampo Pineda, Lester Melie-Garcia, Meritxell Bach Cuadra, Cristina Granziera, Vincent Andrearczyk, Adrien Depeursinge
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Image and Video Processing,Computer Vision and Pattern Recognition,Machine Learning,پردازش تصویر و فیلم , دید رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 21 August, 2024; originally announced September 2024.
توضیحات به فارسی ارائه شده 21 اوت 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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.

🎯 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

چکیده

To date, several methods have been developed to explain deep learning algorithms for classification tasks. Recently, an adaptation of two of such methods has been proposed to generate instance-level explainable maps in a semantic segmentation scenario, such as multiple sclerosis (MS) lesion segmentation. In the mentioned work, a 3D U-Net was trained and tested for MS lesion segmentation, yielding an F1 score of 0.7006, and a positive predictive value (PPV) of 0.6265. The distribution of values in explainable maps exposed some differences between maps of true and false positive (TP/FP) examples. Inspired by those results, we explore in this paper the use of characteristics of lesion-specific saliency maps to refine segmentation and detection scores. We generate around 21000 maps from as many TP/FP lesions in a batch of 72 patients (training set) and 4868 from the 37 patients in the test set. 93 radiomic features extracted from the first set of maps were used to train a logistic regression model and classify TP versus FP. On the test set, F1 score and PPV were improved by a large margin when compared to the initial model, reaching 0.7450 and 0.7817, with 95% confidence intervals of [0.7358, 0.7547] and [0.7679, 0.7962], respectively. These results suggest that saliency maps can be used to refine prediction scores, boosting a model's performances.

چکیده به فارسی (ترجمه ماشینی)

تا به امروز ، چندین روش برای توضیح الگوریتم های یادگیری عمیق برای کارهای طبقه بندی تدوین شده است.اخیراً ، سازگاری دو روش از این دست برای تولید نقشه های قابل توضیح در سطح نمونه در یک سناریوی تقسیم بندی معنایی ، مانند تقسیم ضایعه مولتیپل اسکلروز (MS) ارائه شده است.در کار ذکر شده ، یک NET 3D U-NET برای تقسیم ضایعه MS آموزش داده و آزمایش شده است ، و نمره F1 0.7006 و یک مقدار پیش بینی مثبت (PPV) 0.6265 را به دست می آورد.توزیع مقادیر در نقشه های قابل توضیح برخی تفاوتها را بین نقشه های نمونه مثبت و کاذب مثبت (TP/FP) در معرض دید قرار می دهد.با الهام از این نتایج ، ما در این مقاله استفاده از ویژگی های نقشه های شوری خاص ضایعه را برای اصلاح نمرات تقسیم بندی و تشخیص بررسی می کنیم.ما حدود 21000 نقشه از بسیاری از ضایعات TP/FP در یک دسته از 72 بیمار (مجموعه تمرینی) و 4868 از 37 بیمار در مجموعه آزمایش تولید می کنیم.93 ویژگی رادیویی استخراج شده از اولین مجموعه نقشه ها برای آموزش یک مدل رگرسیون لجستیک و طبقه بندی TP در مقابل FP استفاده شد.در مجموعه آزمون ، نمره F1 و PPV در مقایسه با مدل اولیه با یک حاشیه بزرگ بهبود یافته و به ترتیب با فاصله 95 ٪ اطمینان از [0.7358 ، 0.7547] و [0.7679 ، 0.7962] به 0.7450 و 0.7817 رسید.این نتایج نشان می دهد که می توان از نقشه های شوری برای تصحیح نمرات پیش بینی استفاده کرد و عملکردهای یک مدل را تقویت کرد.

📚 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.

🎯 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.