This is fantastic. Not too many junior data scientists are able to go this detaiked. Many algorithms end up 'cheating' via metadata or unintended data bleed when scrutinized more carefully. In-depth analyses like yours is much needed esp for medical algorithms.
-
-
ধন্যবাদ। আপনার সময়রেখাকে আরো ভালো করে তুলতে টুইটার এটিকে ব্যবহার করবে। পূর্বাবস্থায়পূর্বাবস্থায়
-
-
-
Hi John, nice post! Without explicit normalization for acquisition (my preference), the models will have to learn some features to calibrate the data - assuming the training data is diverse. Otherwise, something as simple as a tone scale change will alter predictions.
ধন্যবাদ। আপনার সময়রেখাকে আরো ভালো করে তুলতে টুইটার এটিকে ব্যবহার করবে। পূর্বাবস্থায়পূর্বাবস্থায়
-
-
-
Thank you for this analysis John! I believe that networks with attention mechanisms are one way of significantly overcoming these limitations. Peter presented some work recently using such a mechanism for hemorrhage detection that generalized very well on prospective analysis.
ধন্যবাদ। আপনার সময়রেখাকে আরো ভালো করে তুলতে টুইটার এটিকে ব্যবহার করবে। পূর্বাবস্থায়পূর্বাবস্থায়
-
-
-
Fantastic piece john. Brings to mind that paper where neural networks correctly guessed pictures with random labels. Memorisation vs actual learning
ধন্যবাদ। আপনার সময়রেখাকে আরো ভালো করে তুলতে টুইটার এটিকে ব্যবহার করবে। পূর্বাবস্থায়পূর্বাবস্থায়
-
-
-
Did you guys try to add a negative gradient component based on hospital-system classification loss? Feels like this could force the feature map to become system independent and thus boost generalization..
-
Ah! I love your arxiv insight videos. (Sidenote!) :) - negating gradient methods are notoriously unstable, but many domain adaptation regimes with adversarial training exist (e.g. fair classifiers).
-
Haha thx man! Hmm didn't know they were so unstable, but I guess that makes sense if one of the loss contributions just starts going out of control. Any good references I can read up on?
-
I should qualify this was mentioned to me in passing by some students of Andrew zissermans group! So no reference I know of that compares the stability of training with domain adaptation methods. I personally like the paper 'learning to pivot' and i am working on similar avenues.
কথা-বার্তা শেষ
নতুন কথা-বার্তা -
-
-
Interesting blog posts on deep learning for radiology images. One of the interesting results is the challenges of transfer learning in healthcare: "We also found that pneumonia screening CNNs trained with data from a single hospital system did generalize to other hospitals..."
ধন্যবাদ। আপনার সময়রেখাকে আরো ভালো করে তুলতে টুইটার এটিকে ব্যবহার করবে। পূর্বাবস্থায়পূর্বাবস্থায়
-
লোড হতে বেশ কিছুক্ষণ সময় নিচ্ছে।
টুইটার তার ক্ষমতার বাইরে চলে গেছে বা কোনো সাময়িক সমস্যার সম্মুখীন হয়েছে আবার চেষ্টা করুন বা আরও তথ্যের জন্য টুইটারের স্থিতি দেখুন।