PulseAugur
中
实时 20:41:30
实体 DenseNet

DenseNet

PulseAugur coverage of DenseNet — every cluster mentioning DenseNet across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
6
90 天内 24
发布 · 30天
0
90 天内 0
论文 · 30天
6
90 天内 23
层级分布 · 90 天
主题
关系
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/2 页 · 共 25 条
  1. TOOL · CL_344361 ·

    新研究揭示了医学影像和EHR数据AI基准测试的缺陷

    一篇新发表在arXiv上的论文强调了多模态医学分类任务中类别不平衡策略评估的重大问题。研究发现,使用MIMIC-CXR等数据集上的记录级拆分进行的基准测试可能具有误导性,模型在未见过患者时表现不佳,甚至会退化到预测所有病例为阳性的基线水平。当使用患者分离数据和入院对齐标签进行评估时,不平衡策略和集成模型的有效性会降低,这表明需要更健壮且感知泄漏的基准测试协议。

  2. TOOL · CL_333038 ·

    AI模型在资源受限环境下进行物联网DDoS检测的评估

    一项新的研究论文评估了在资源受限的物联网(IoT)环境中检测分布式拒绝服务(DDoS)攻击的几种预训练卷积神经网络架构。该研究使用CICDDoS2019数据集和基于图像的流量表示,根据准确性、可靠性、计算成本和可解释性评估了模型。DenseNet和MobileNet架构表现出强大的性能和可靠性,其中MobileNet显示出高准确性,而DenseNet169提供了卓越的定性可解释性。

  3. TOOL · CL_325155 ·

    新的GRASP方法增强了用于罕见情况的文本到图像Transformer

    研究人员开发了GRASP(Guided Residual Adapters with Sample-wise Partitioning),一种在长尾场景下改进文本到图像Transformer性能的新颖方法。该方法通过划分条件空间并采用特定组的残差适配器来解决微调过程中的梯度不对齐问题。GRASP被设计为非侵入性和可组合的,在MIMIC-CXR-LT和ImageNet-LT等数据集上表现出显著的改进,并增强了罕见情况合成数据的实用性。

  4. TOOL · CL_324655 ·

    胸部X光AI模型在跨国研究中实际表现有限

    一项新的回顾性研究评估了十个胸部X光AI模型在六个国家的十二个数据集上的表现,这些数据集包括公共基准和私有机构队列。研究发现,尽管MAVL和MedKLIP等模型在95%敏感度下显示出最高的特异度,但它们的阳性预测值较低,表明存在许多假阳性。在机构数据上的表现普遍低于公共基准,这表明当前的评估可能夸大了实际应用性。该研究强调,在部署这些AI模型之前,需要进行操作点感知评估和在机构数据上的外部验证。

  5. TOOL · CL_287264 ·

    为皮层下脑结构分割开发了深度学习方法

    本研究论文介绍了两种深度学习算法:DenseMedic 和交替连接神经网络 (ACNN),它们专为分割 MR 图像中的皮层下脑结构而设计。DenseMedic 采用 OreoDown 方法加速感受野增长,并借鉴 DenseNet 原理获取多尺度上下文信息。ACNN 通过采用交替连接,为单模态和多模态分割提供了一个统一的架构。这两种方法均在公开数据集上进行了评估,在脑结构分割方面展现出更高的准确性和鲁棒性。

  6. TOOL · CL_275469 ·

    新AI方法改进自动驾驶天气识别

    研究人员开发了一种名为“面向天气的对抗性判别域自适应”(WA-ADDA)的新方法,以改进街景图像的天气识别,这是自动驾驶系统的关键任务。该技术解决了域偏移的挑战,即训练数据通常来自与真实驾驶条件差异很大的非街景来源。WA-ADDA将域判别器条件化为预测天气,使模型能够学习到对域不变且对天气敏感的特征。研究人员还通过统一各种非街景天气集合创建了一个基准数据集,并建立了标准化的评估协议。他们的方法在不同神经网络骨干上持续提高街景性能,在晴…

  7. TOOL · CL_245393 ·

    新的AI校准方法解决分类器中的捷径学习问题

    研究人员提出了一种新的方法,通过将问题重新构建为校准问题来缓解AI分类器中的捷径学习。他们的方法,一种过程内正则化器和一种事后重新校准步骤,旨在均衡不同捷径组之间的校准。这些技术在胸腔积液-气胸基准测试中显示出显著的改进,优于现有基线,并证明了捷径学习、校准理论和算法公平性之间的联系。

  8. TOOL · CL_235711 ·

    AI模型在视网膜疾病分类和血管分割方面取得高精度

    研究人员开发了一种新颖的双管齐下框架,用于分析视网膜眼底图像,结合了疾病分类和血管分割。该框架对八个ImageNet预训练的CNN进行了微调以进行分类,其中ResNet101的准确率最高,达到94.17%。对于分割,对各种U-Net变体进行了基准测试,其中使用ResNet101V2骨干的Attention U-Net表现出卓越的性能,显著提高了DRIVE数据集上的IoU分数。

  9. TOOL · CL_206136 ·

    深度学习模型在肺癌组织病理学分析方面进行基准测试

    研究人员开发了一个用于分析肺癌组织病理学图像的两阶段深度学习框架。该框架系统地比较了用于组织分类和区域分割的最先进架构。在分类任务中,YOLO11 表现最佳,准确率达到 98.38%。在分割任务中,DeepLabV3+ 取得了最佳结果,交并比(Intersection over Union)为 0.80,尽管 YOLO11-seg 提供的性能相当,但参数却少得多。

  10. TOOL · CL_198262 ·

    软注意力机制提升了深度神经网络中皮肤癌的分类能力

    研究人员已经证明,将软注意力机制纳入深度神经网络架构可以显著提高其在皮肤病变分类方面的性能。通过使网络能够专注于关键图像特征并抑制噪声,这种方法在VGG、ResNet、InceptionResNetv2和DenseNet等各种既有模型上都带来了性能提升。具体而言,在HAM10000数据集上,改进后的模型实现了显著的精度提升;在ISIC-2017数据集上,则获得了更好的敏感度得分。

  11. TOOL · CL_198244 ·

    VGG16在十种CNN中引领MRI扫描阿尔茨海默病检测

    研究人员对十种不同的卷积神经网络(CNN)架构进行了基准测试,用于从单视图MRI扫描中检测阿尔茨海默病。该研究在OASIS数据集的一个子集上使用了迁移学习和微调流程,该子集包含来自86,437次扫描的3,900张图像。VGG16取得了最高的验证准确率0.9637和测试准确率0.9533。所有测试架构都面临一个持续的挑战,即区分非痴呆和非常轻度痴呆阶段。

  12. TOOL · CL_187497 ·

    新的深度学习模型Dense-Cast高精度预测降水

    研究人员开发了Dense-Cast,这是一种新颖的轻量级深度学习模型,专为短期降水临近预报而设计。该模型集成了DenseNet架构、残差连接和Transformer编码器,以更少的参数有效预测降水。Dense-Cast在印度季风多发地带东北部地区进行了测试,利用历史降水数据预测未来两个半小时的降水情况。其在测试中取得了最佳的平均绝对误差(MAE)为0.235毫米,均方根误差(RMSE)为0.735毫米,以及KGE评分为0.816。

  13. TOOL · CL_171935 ·

    研究发现胸部X光机器学习性能受评估参考的严重影响

    一篇新发表在arXiv上的研究论文探讨了评估参考对用于胸部X光分析的机器学习模型的性能指标的关键影响。研究强调,常用的报告衍生标签和通用图像质量指标可能无法准确反映临床判断。研究人员证明,改变这些评估参考会显著改变模型的排名方式,从而影响关于选择哪些方法进行进一步开发或部署的决策。该论文强调,评估参考的选择应成为该领域临床有效性的核心考量因素。

  14. TOOL · CL_171928 ·

    新数据集和深度学习模型可从图像估算人体体重和身高

    研究人员开发了一种从日常场景中拍摄的单张图像估计人体体重和身高的方法。该方法利用深度神经网络,并探索了包括RGB、深度图和姿态亲和图在内的各种数据模态,以预测身体质量指数(BMI)、体重和身高。为了促进这项研究,创建了一个包含6105张图像的新数据集,并附带了这些指标的真实标签,该数据集具有多样的姿势、背景和图像质量。使用VGG、DenseNet和ResNet等CNN骨干网络的实验表明,与半身或面部图像相比,全身图像能产生更优越的结果。

  15. TOOL · CL_147988 ·

    TEDDY基础模型高精度预测儿童疾病风险

    研究人员开发了TEDDY,这是一种新颖的基础模型,旨在利用历史诊断数据预测儿童各种疾病的风险。TEDDY在超过一百万名儿童的数百万份ICD-10诊断数据上进行训练,在预测疾病发病率方面,其表现优于传统的机器学习模型,甚至优于大型通用语言模型。该模型对常见和罕见疾病都显示出显著的预测能力,其准确性在不同人群中保持一致,并且在诊断正式记录前两年以上进行预测时仍然有效。

  16. RESEARCH · CL_141270 ·

    前列腺MRI预处理提高AI癌症检测诊断准确性

    一项发表在arXiv上的新研究调查了不同扩散加权成像(DWI)预处理技术对前列腺MRI分析的影响。研究人员发现,应用去噪、吉布斯环校正和失真校正可显著提高表观扩散系数(ADC)图的质量,并提高深度学习模型在PI-RADS评分分类方面的准确性。该研究利用DenseNet分类器对来自fastMRI队列的268名前列腺MRI病例进行了分析,证明优化的预处理流程对于前列腺癌检测中可靠的定量分析和临床分诊至关重要。

  17. TOOL · CL_123318 ·

    新多模态AI框架提高了乳腺肿瘤分类的准确性

    研究人员开发了一种新的多模态框架,用于对乳腺纤维腺瘤和叶状肿瘤进行分类,这两种肿瘤在超声图像上常常具有相似的外观。该框架使用DenseNet、受CLIP启发的文本编码和Transformer融合来整合视觉、文本和临床数据。所提出的方法在新构建的FAPT-M数据集上达到了77.64%的准确率和89.74%的AUC,优于现有的基线方法。

  18. COMMENTARY · CL_118730 ·

    学生寻求改进不一致的糖尿病视网膜病变AI模型的建议

    一位计算机工程专业的学生正在寻求改进一个在APTOS 2019数据集上训练的5类糖尿病视网膜病变检测模型的建议。该模型表现出不一致的预测,将中度(Moderate)等类别错误地分类为重度(Severe)或增殖性(Proliferative),并且即使在预测错误的情况下也表现出高置信度,尤其是在训练数据集之外的图像上。该学生已经尝试了各种预训练模型、预处理技术和测试时增强(test-time augmentation),现在正在考虑集成…

  19. RESEARCH · CL_70471 ·

    新指标使用 Fisher 信息衡量 AI 模型鲁棒性

    研究人员开发了一种新方法,使用 Fisher 信息矩阵 (FIM) 的谱范数来衡量深度神经网络的鲁棒性。这种与攻击无关的指标量化了模型输出分布对输入变化的敏感程度。该研究为 ResNet 和 Transformers 等常见架构提供了理论界限,为评估模型鲁棒性和指导更具韧性的 AI 系统设计提供了新方法。

  20. TOOL · CL_78407 ·

    新的费舍尔信息指标评估深度神经网络鲁棒性

    研究人员引入了一种新的指标来评估深度神经网络的鲁棒性,该指标基于费舍尔信息矩阵的谱范数。这种不依赖于攻击的方法为评估模型对输入扰动的敏感性提供了理论界限和实用算法。在各种数据集和架构上的实验表明,该指标与对抗性脆弱性之间存在很强的相关性,使其成为设计更鲁棒模型的宝贵诊断工具。