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