SVD Based Least Squares for X-Ray Pneumonia Classification Using Deep Features

要約

X線イメージングによる肺炎の正確かつ早期診断は、効果的な治療と患者の転帰の改善に不可欠です。
機械学習における最近の進歩により、放射線科医がより信頼性が高く効率的な決定を下すのを支援する自動化された診断ツールが可能になりました。
この作業では、マルチクラスの肺炎分類のための特異値分解ベースの最小二乗（SVD-LS）フレームワークを提案し、最先端の自己監督および転送学習モデルからの強力な特徴表現を活用します。
計算上の高価なグラデーションベースの微調整に依存するのではなく、精度を損なうことなく効率を保証する閉じた型の非適格分類アプローチを採用しています。
実験結果は、SVD-LSが競争力のあるパフォーマンスを達成しながら、計算コストを大幅に削減し、リアルタイムの医療イメージングアプリケーションの実行可能な代替手段となることを示しています。

要約(オリジナル)

Accurate and early diagnosis of pneumonia through X-ray imaging is essential for effective treatment and improved patient outcomes. Recent advancements in machine learning have enabled automated diagnostic tools that assist radiologists in making more reliable and efficient decisions. In this work, we propose a Singular Value Decomposition-based Least Squares (SVD-LS) framework for multi-class pneumonia classification, leveraging powerful feature representations from state-of-the-art self-supervised and transfer learning models. Rather than relying on computationally expensive gradient based fine-tuning, we employ a closed-form, non-iterative classification approach that ensures efficiency without compromising accuracy. Experimental results demonstrate that SVD-LS achieves competitive performance while offering significantly reduced computational costs, making it a viable alternative for real-time medical imaging applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google