Skip to content
Free planNo credit card requiredStart writing

article · 2020

CNN Hyperparameter Optimization for Pulmonary Nodule Classification

Anthony Jatobá, Lucas Lima, Lucas Amorim, Marcelo Fernandes de Oliveira

Cited by 3Open access

Abstract

Redes Neurais Convolucionais (RNCs) são uma técnica poderosa para sistemas de diagnóstico auxiliado por computador, mas a configuração manual de redes complexas é inviável. A otimização automática de hiper-parâmetros é uma abordagem promissora, mas não há consenso sobre a técnica mais adequada. Neste trabalho, comparamos busca direta, probabilística e otimização bayesiana na otimização de RNCs 2D e 3D para classificação de nódulos pulmonares. Foram obtidas AUC de 0,88, sensibilidade de 87,03% e especificidade de 78,66%. Nossos experimentos demonstram o fraco desempenho da busca em grade, enquanto mostram que técnicas simples, como a busca aleatória, pode ter desempenho comparável a abordagens probabilísticas

Cite this paper

APA 7

Jatobá, A., Lima, L., Amorim, L., & de Oliveira, M. F. (2020). CNN Hyperparameter Optimization for Pulmonary Nodule Classification. https://doi.org/10.5753/sbcas.2020.11499

MLA 9

Jatobá, Anthony, et al. “CNN Hyperparameter Optimization for Pulmonary Nodule Classification.” 2020, pp. 25–36, https://doi.org/10.5753/sbcas.2020.11499.

Chicago

Jatobá, Anthony, Lucas Lima, Lucas Amorim, and Marcelo Fernandes de Oliveira. 2020. “CNN Hyperparameter Optimization for Pulmonary Nodule Classification.” https://doi.org/10.5753/sbcas.2020.11499.

Harvard

Jatobá, A. et al. (2020) ‘CNN Hyperparameter Optimization for Pulmonary Nodule Classification’. Available at: https://doi.org/10.5753/sbcas.2020.11499.

BibTeX
@article{jatoba2020hyperparameter,
  title = {{CNN Hyperparameter Optimization for Pulmonary Nodule Classification}},
  author = {Jatobá, Anthony and Lima, Lucas and Amorim, Lucas and de Oliveira, Marcelo Fernandes},
  pages = {25--36},
  year = {2020},
  doi = {10.5753/sbcas.2020.11499}
}

Made from the index record. Check names, capitalisation and page numbers against the paper. Need another style? AI for Research has over 10,000.