基于深度 Maxout 网络特征融合与政治切线搜索优化器赋能迁移学习的地中海贫血检测
机器学习
2024-07-01 v3
摘要
地中海贫血是一种遗传性血液疾病，由导致血红蛋白多肽链生成缺乏的遗传缺陷引起。然而，对于这些区域内的精确频率及共享情况尚缺乏了解。因此，了解地中海贫血发生频率与可靠突变是预防、控制及治疗规划的重要一步。本文提出基于政治切线搜索优化器的迁移学习（PTSO_TL）用于地中海贫血检测。最初，从特定数据集获得的输入数据在数据归一化阶段被归一化。数据归一化阶段采用分位数归一化，随后数据传入特征融合阶段，其中使用了加权欧氏距离与深度 Maxout 网络（DMN）。此后，采用过采样方法进行数据增强以提升数据维度。最后，通过迁移学习（TL）执行地中海贫血检测，其中利用卷积神经网络（CNN）及来自已训练模型（如 Xception）的超参数。TL 由 PTSO 调优，且训练算法 PTSO 由政治优化器（PO）与切线搜索算法（TSA）融合提出。此外，PTSO_TL 获得了约 94.3%、96.1% 和 95.2% 的最大精确率、召回率与 F 值。
引用
@article{arxiv.2308.02029,
title = {Deep Maxout Network-based Feature Fusion and Political Tangent Search Optimizer enabled Transfer Learning for Thalassemia Detection},
author = {Hemn Barzan Abdalla and Awder Ahmed and Guoquan Li and Nasser Mustafa and Abdur Rashid Sangi},
journal= {arXiv preprint arXiv:2308.02029},
year = {2024}
}