Recherches publiques, publications et éléments documentant les projets. Chaque travail a ses propres sources, son statut et ses limites.
Transfer Learning for Medical Imaging
Prépublication sur l’apprentissage par transfert pour l’analyse d’images endoscopiques et l’IA en périphérie. Elle rapporte jusqu’à 40 % de réduction du temps d’entraînement dans son analyse par simulation ; ce n’est ni un gain d’exactitude de 40 % ni une preuve de déploiement clinique ou d’autorisation réglementaire.
Langue du document original : Anglais. La langue de l’interface ne traduit pas le document source.
Transfer Learning for Medical Imaging:
Enhancing AI in Endoscopic Diagnosis
Achievements and Future Directions
arXiv Category:
Computer Vision (cs.CV)
Image Processing (eess.IV)
Preprint for:
arXiv.org
Roble Mumin
eMail
LinkedIn Profile
March 24, 2025
Abstract
Transfer learning has become a key enabler in medical image analysis, allowing pre-trained
deep learning models to be adapted for specialized medical tasks while addressing critical
challenges such asdata scarcityandhigh annotation costs. This study investigates its
role in improvingdiagnostic accuracyandcomputational efficiency, with a specific
focus on its application inendoscopic image analysis.
Experimental results demonstrate that transfer learning can reducetraining timeby up
to 40% while enhancingdiagnostic precision, particularly inresource-constrained clin-
ical environments. Additionally, we explore its integration withedge AI architectures
to enable decentralized, real-time decision-making, reducing reliance on cloud-based com-
puting.
Beyond technical advancements, this study evaluates criticalethical and regulatory
considerationsto ensure responsible AI deployment in clinical practice. Compliance
withGDPR, HIPAA, and EU-MDR 2017 is analyzed to establish a framework for
the safe and transparent integration of AI-driven diagnostics.
By contextualizing transfer learning’s role in modern healthcare, this work highlights
its potential to support the next generation ofintelligent, efficient, and…Ouvrir le documentCiter ce document
Roble Mumin “Transfer Learning for Medical Imaging”.
2025-03-24.
Disponible à l’adresse :Page du document
current summary qualified; independent peer review not verified
Chercher et filtrer l'archive
Chercher par titre, description ou catégorie. Chaque entrée est un artefact concret du système : un article, un cadre, ou une étude appliquée.
Chaque catégorie montre une facette différente de la même méthode. Les fils de recherche nourrissent les articles, les articles se consolident en œuvres longues, les études appliquées prouvent la chaîne sur des problèmes réels.