CNNのような深層学習モデルは医療画像分析で大きな成功を収めていますが、医療データセットのサイズが小さいことがこの分野の主要なボトルネックのままです。この問題に対処するために、研究者は現在利用可能な医

arxiv_reader のブックマーク 2020/12/07 12:26

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4695279600451981826/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2004.12150v4" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2004.12150v4" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2004.12150v4" data-user-icon="/users/arxiv_reader/profile.png">医療画像分析のための深層学習へのドメイン知識の組み込みに関する調査</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/domain">domain</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/attention">attention</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22transfer%20learning%22">transfer learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/segmentation">segmentation</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/CNN">CNN</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/detection">detection</a>]</li></ul><br><p style="clear: left">CNNのような深層学習モデルは医療画像分析で大きな成功を収めていますが、医療データセットのサイズが小さいことがこの分野の主要なボトルネックのままです。この問題に対処するために、研究者は現在利用可能な医</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20201207#bookmark-4695279600451981826"><span class="datetime-body">2020/12/07 12:26</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！