Предотвращение переобучения в медицинской визуализации ИИ: патентный анализ VUNO

В последние годы активно ведутся исследования по применению эффективных методов распознавания образов человека к реальным компьютерам как способу решения проблемы классификации вводимых шаблонов в конкретные группы.

Одним из таких исследований является изучение искусственных нейронных сетей, которые смоделировали характеристики биологических нейронов у людей с помощью математической экспрессии.

Для решения задачи классификации входных паттернов в конкретные группы искусственная нейронная сеть использует алгоритмы, имитирующие обучение человека. С помощью этого алгоритма искусственная нейронная сеть может генерировать отображение между моделями ввода и вывода, что указывает на то, что искусственная нейронная сеть способна к обучению.

Кроме того, искусственная нейронная сеть обладает способностью к обобщению для получения относительно правильного вывода для входных шаблонов, которые не использовались для обучения на основе полученных результатов. Такая искусственная нейронная сеть включает в себя относительно много слоев, и для того, чтобы изучить большую структуру искусственных нейронных сетей, в том числе много слоев, требуется большой объем данных обучения, и конкретные данные обучения не должны быть переобучены.

Эта статья Патент, касающийся того, как выполнять обобщения данных, чтобы избежать переобучения определенных данных обучения.Позволь мне объяснить. Патент БоноТак и есть. 

Нажмите на изображение, чтобы просмотреть регистрационное патентное издание.

В общем, когда МРТ или рентгеновский снимок сделаны, фактические исходные данные будут иметь значения данных, которые люди не могут предсказать. Таким образом, только часть общих значений данных используется в качестве изображения для идентификации нейронных сетей. 

Согласно патенту, Изучите нейронную сеть, используя изображения, которые случайным образом извлекаются из некоторых данных..

В частности, как установить диапазон извлечения данных при принятии решения о том, какие данные использовать в качестве данных обучения в исходных данных. Определить данные обучения путем изменения значений центра и ширины окнаДавай сделаем это. 

Если извлекать только данные конкретной области, то нейронная сеть будет узнавать только о данных этого диапазона, что может привести к проблемам, делая процесс выбора данных более случайным, так что обобщение данных является ядром настоящего изобретения. То есть ядро настоящего изобретения заключается в случайном изменении значений центра и ширины окна для определения данных обучения. 

Когда данные обучения приобретаются путем изменения значения окна, такие как этот патент, данные обучения могут быть обобщены для повышения эффективности обучения.