TL;DR
- چکیده:.
- مدلهای یادگیری عمیق برای تشخیص COVID-19 از سیتی اسکن قفسه سینه معمولاً زمانی که دادههای آموزشی و آزمایشی.
- از یک موسسه نشات میگیرند خوب عمل میکنند،.
چه اتفاقی افتاد
چکیده:. مدلهای یادگیری عمیق برای تشخیص COVID-19 از سیتی اسکن قفسه سینه معمولاً زمانی که دادههای آموزشی و آزمایشی.
از یک موسسه نشات میگیرند خوب عمل میکنند،. اما زمانی که اسکنها از مراکز متعدد با اسکنرها،.
پروتکلهای تصویربرداری و جمعیتهای مختلف بیمار گرفته میشوند،. اغلب با مشکل مواجه میشوند.
یکی از دلایل اصلی این است که روشهای موجود،. طبقهبندی COVID-19 را بهعنوان تنها هدف آموزشی،.
بدون در نظر گرفتن منبع داده هر اسکن،. در نظر میگیرند.
در نتیجه،. بازنماییهای آموخته شده تمایل دارند نسبت به مراکزی که دادههای آموزشی بیشتری را ارائه میدهند،.
سوگیری داشته باشند. برای پرداختن به این موضوع،.
ما یک رویکرد یادگیری چند وظیفهای را پیشنهاد میکنیم که در آن مدل برای پیشبینی تشخیص COVID-19 و. مرکز داده مبدأ آموزش داده میشود.
این دو وظیفه دارای یک ستون فقرات EfficientNet-B7 هستند که استخراج کننده ویژگی را تشویق میکند تا. بازنماییهایی را که در هر چهار مورد وجود دارد را بیاموزد.
مراکز شرکت کننده از آنجایی که دادههای آموزشی بهطور یکنواخت در بین منابع توزیع نمیشوند،. ما یک تلفات متقابل آنتروپی تعدیلشده با لاجیت [1] را به سر طبقهبندی منبع اعمال میکنیم تا از.
نادیده گرفتن مراکزی که کمتر ارائه شدهاند،. جلوگیری کنیم.
پیش پردازش ما از چارچوب SSFL با KDS [2] پیروی میکند و هشت برش نماینده را در. هر اسکن انتخاب میکند.
روش ما به امتیاز F1 0. 9098 و AUC-ROC 0.
9647 در مجموعه اعتبارسنجی 308 اسکن دست مییابد. کد به صورت عمومیدر این URL https در دسترس است.
صفحه، 5 شکل، 3 جدول. پذیرفته شده در سومین کارگاه آموزشی روندهای جدید در رسانهها و امنیت تولید شده توسط هوش مصنوعی.
(AIMS) @ CVPR 2026 بینایی کامپیوتری و تشخیص الگو (cs. CV) کلاسهای ACM: I.
4. 9; I.
5. استناد بهعنوان: (یا v1 [cs.
CV] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Asmita Pritha [مشاهده ایمیل] [v1] پنجشنبه،. 2 آوریل 2026،.
00:. 28:.
07 UTC (5,. 370 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.