文献

J-GLOBAL ID：201702235418197078   整理番号：17A0362904

甲状腺結節診断のための術前訓練された畳込みニューラルネットワークに基づく方法【Powered by NICT】

A pre-trained convolutional neural network based method for thyroid nodule diagnosis

著者 (5件)： Ma Jinlian (School of Mathematical Sciences, Zhejiang University, Hangzhou 310027, China) ,  Wu Fa (School of Mathematical Sciences, Zhejiang University, Hangzhou 310027, China) ,  Zhu Jiang (Department of Ultrasound, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine, Hangzhou 310020, China) ,  Xu Dong (Department of Ultrasound, Zhejiang Cancer Hospital, Hangzhou 310022, China) ,  Kong Dexing (School of Mathematical Sciences, Zhejiang University, Hangzhou 310027, China)
資料名： Ultrasonics  (Ultrasonics)
巻： 73  ページ： 221-230  発行年： 2017年 
JST資料番号： C0379B  ISSN： 0041-624X  CODEN： ULTRA3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 超音波画像では,大部分の甲状腺結節は種々の内部成分と不均一な外観をし,あいまいな境界を持つので,医師は良性のものから悪性の甲状腺結節を識別することは困難である。本研究では,著者らは甲状腺結節診断のためのハイブリッド法,異なる畳込み層と完全結合層を有する二訓練済み畳込みニューラルネットワーク(CNN)の融合を提案した。ImageNetデータベースを用いて訓練済み二ネットワークを別々に訓練した。第二に,二CNNの訓練された畳込みフィルタ,プーリングと正規化操作により学習された特徴マップを融合する。最後に,溶融特徴マップを用いた,ソフトマックス分類器は甲状腺結節の診断に利用される。提案した方法は,二の地方の病院から収集した15,000超音波画像で検証した。実験結果は,提案したCNNに基づく方法を正確かつ効果的に甲状腺結節を診断することができることを示した。さらに,二CNNに基づくモデルの融合は,著しい性能改善をもたらし,83.02%±0.72%の精度であった。これらはこの方法の臨床応用の可能性を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 曖昧さ ,  特徴抽出 ,  ネットワーク ,  *畳込み ,  医師 ,  フィルタ ,  *ニューラルネットワーク ,  病院 ,  正規化 ,  超音波画像 ,  データベース
準シソーラス用語： 臨床応用 ,  特徴マップ ,  ハイブリッド法 ,  *甲状腺結節 , 【Automatic Indexing@JST】

著者キーワード (6件)： 超音波画像 ,  甲状腺結節 ,  畳込みニューラルネットワーク ,  特徴抽出 ,  分類 ,  診断

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (5件)： 甲状腺結節 ,  診断 ,  術前 ,  訓練 ,  畳込みニューラルネットワーク