Open AccessCNN Hyperparameter Optimization for Pulmonary Nodule Classification
Author(s) -
Anthony Jatobá,
Lucas Ramos Costa Lima,
Lucas Oliveira do Amorim,
Marcelo Fernandes de Oliveira
Publication year - 2020
Language(s) - Portuguese
Resource type - Conference proceedings
DOI - 10.5753/sbcas.2020.11499
Subject(s) - hyperparameter , computer science , physics , artificial intelligence , algorithm
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