本論文では、胸部X線画像の疾患分類のために、低ランク特徴量学習(LRFL)と呼ばれる新しい手法を提案している。
LRFLは以下の2つの特徴を持つ:
経験的には、医療画像データセットの特徴量行列の特異値が低周波成分に集中していることに着目し、低ランク特徴量の学習を促進する。これにより、背景ノイズの影響を低減できる。
理論的には、低ランク特徴量を用いた場合の汎化誤差の上界を示し、低ランク特徴量学習の有効性を証明している。
具体的な手順は以下の通り:
提案手法は、NIH-ChestX-ray14、COVIDx、CheXpertの3つの医療画像データセットで評価され、従来手法を上回る性能を示した。特に、少量データ環境でも顕著な性能向上が確認された。これは、低ランク特徴量の高い汎化性能に起因すると考えられる。
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Rajeev Goel,... kl. arxiv.org 05-01-2024
https://arxiv.org/pdf/2404.18933.pdfDybere Forespørgsler