文献

J-GLOBAL ID：201702272424517090   整理番号：17A0142766

マラリア診断のためのCNNに基づく画像解析【Powered by NICT】

CNN-based image analysis for malaria diagnosis

著者 (13件)： Liang Zhaohui (School of Information Technology, York University, Toronto, ON, M3J1P3, Canada) ,  Powell Andrew (Computer Science Department, Swarthmore College, PA 19081, USA) ,  Ersoy Ilker (School of Medicine, University of Missouri, Columbia, 65212, USA) ,  Poostchi Mahdieh (Computer Science Department, University of Missouri, Columbia, 65211, USA) ,  Silamut Kamolrat (Mahidol-Oxford Tropical Medicine Research Unit, Mahidol University, Bangkok, Thailand) ,  Palaniappan Kannappan (Computer Science Department, University of Missouri, Columbia, 65211, USA) ,  Guo Peng (Electrical and Computer Engineering Department, Missouri S&T, Rolla, 65409, USA) ,  Hossain Md Amir (Chittagong Medical College Hospital, Bangladesh) ,  Sameer Antani (National Library of Medicine, National Institute of Health, Bethesda, MD 20894, USA) ,  Maude Richard James (Mahidol-Oxford Tropical Medicine Research Unit, Mahidol University, Bangkok, Thailand) ,  Huang Jimmy Xiangji (School of Information Technology, York University, Toronto, ON, M3J1P3, Canada) ,  Jaeger Stefan (National Library of Medicine, National Institute of Health, Bethesda, MD 20894, USA) ,  Thoma George (National Library of Medicine, National Institute of Health, Bethesda, MD 20894, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 493-496  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マラリアは主要な世界的な健康脅威である。マラリアを診断する標準的な方法は認定技師による顕微鏡下で寄生虫感染赤血球の血液塗抹標本を検討した視覚的にした。方法は効率が悪く,診断検査を行う経験と者の知識に依存する。機械学習に基づく自動画像認識技術は前診断のためのマラリア血液塗抹標本に適用した。しかし,実際の性能はこれまで十分なされていない。感染又は非感染のどちらかとして標準の顕微鏡スライド上の薄い血液塗抹標本において1個の細胞を自動的に分類する畳込みニューラルネットワーク(CNN)に基づく新規でロバストな機械学習モデルを提案した。27,578単一細胞画像に基づく十倍交差検証で,著者らの新規16CNNモデルの平均精度は97.37%であった。転移学習モデルは,同じ画像上で91.99%を達成しただけであった。CNNモデルを感度(96.99% vs 89.00%),特異性(97.75% vs 94.98%),精度(97.73% vs 95.12%),F1スコア(97.36% vs 90.24%),Matthews相関係数(94.75% vs 85.25%)のようなすべての性能指標の転移学習モデルより優れている。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 感染 ,  ロバスト性 ,  赤血球 ,  *画像 ,  機械学習 ,  畳込み ,  *マラリア ,  相関係数 ,  *画像分析
準シソーラス用語： 特異性 ,  転移学習 ,  単一細胞 ,  動画像認識 ,  血液塗抹標本 ,  健康 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： マラリア ,  診断 ,  CNN ,  画像解析