이 연구는 마우스 신생아 초음파 발성(USV)을 자동으로 탐지하고 분류하기 위한 완전 자동화 파이프라인을 개발하였다.
먼저, 엔트로피 기반 알고리즘을 사용하여 USV를 신뢰성 있게 탐지하였다(recall 94.9%, precision 99.3%).
이후 다양한 신경망 모델(fully connected network, custom CNN, ResNet, EfficientNet, Vision Transformer)을 체계적으로 평가하여 최적의 분류 성능을 보이는 모델을 선정하였다. 그 결과, EfficientNet-B5와 custom CNN이 가장 우수한 성능을 보였다(86.79% 정확도).
특히 custom CNN은 매우 작은 모델 크기(149,354개 학습 가능 매개변수)에도 불구하고 EfficientNet-B5와 유사한 성능을 보였다. 이를 통해 사용자가 연구 목적에 따라 최소 정확도 임계값을 지정할 수 있는 반자동 분석 파이프라인을 구축하였다.
또한 모델의 내부 구조와 의사결정 과정을 시각화하여 분석함으로써 모델의 해석 가능성을 높였다.
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies