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.
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Rudo... lúc arxiv.org 10-02-2024
https://arxiv.org/pdf/2405.12957.pdfYêu cầu sâu hơn