Název: Model Ensembeling: A simple way of improving model performance for chromosome classification
Autoři: Pijáčková, Kristýna ; Gotthans, Tomáš ; Gotthans, Jakub
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: This paper deals with chromosome classification via convolutional neural networks and model ensembling. Chromosome classification is a part of a procedure in karyotyping, where the chromosomes should be paired and ordered so that they are prepared for inspection of abnormalities. Model ensembling was used as a technique to improve overall classification accuracy by using all of the trained models. We achieved 94.8 \% accuracy for a Q-band BioImlab dataset and 97.48 \% for a G-band chromosome CIR dataset.
Klíčová slova: chromosome classification, deep learning, model ensembling, convolutional neural networks
Zdrojový dokument: Proceedings II of the 28st Conference STUDENT EEICT 2022: Selected papers, ISBN 978-80-214-6030-0

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/208626

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-511895


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference