PneumoNet: Apprendimento Continuo su Dispositivo per la Diagnosi di Polmonite
PneumoNet, un nuovo metodo per diagnosticare la polmonite al punto di cura, è stato creato da ricercatori per funzionare su dispositivi medici in contesti con risorse limitate. Questo approccio integra una CNN compatta per previsioni sul dispositivo, un buffer di replay bilanciato a due stadi che garantisce l'equilibrio delle classi e una perdita dinamica ponderata per classe per affrontare gli squilibri nei batch di addestramento. Testato su un dataset PneumoniaMNIST con shift di dominio che simula cinque scenari realistici di cambiamento del dominio, PneumoNet ha raggiunto un'accuratezza dell'86,6% con un tasso di dimenticanza di appena l'1,4%, superando i modelli esistenti in termini di dimensioni e velocità. Questa tecnica mitiga le perdite di prestazioni dovute a shift di dominio derivanti da variazioni di dispositivi, pazienti o istituzioni, facilitando un'IA diagnostica adattabile e rispettosa della privacy per le esigenze sanitarie quotidiane e pandemiche.
Fatti principali
- PneumoNet è un metodo di apprendimento incrementale per dominio per la diagnosi di polmonite.
- Combina una CNN leggera, un buffer di replay bilanciato a due stadi e una perdita dinamica ponderata per classe.
- Valutato sul dataset PneumoniaMNIST con shift di dominio in cinque scenari.
- Raggiunge un'accuratezza dell'86,6% con un tasso di dimenticanza dell'1,4%.
- Più piccolo e veloce rispetto ai baselines esistenti.
- Progettato per dispositivi point-of-care in contesti con risorse limitate.
- Affronta shift di dominio da dispositivi, pazienti o istituzioni.
- Consente un'IA diagnostica adattabile e che preserva la privacy.
Entità
Istituzioni
- arXiv