文献

J-GLOBAL ID：201702277032857362   整理番号：17A0829246

特徴抽出器としての前訓練された畳込みニューラルネットワークを用いた子宮頚部細胞画像の診断【Powered by NICT】

Diagnosing cervical cell images using pre-trained convolutional neural network as feature extractor

著者 (4件)： Hyeon Jonghwan (School of Computing, KAIST, Daejeon, Korea) ,  Choi Ho-Jin (School of Computing, KAIST, Daejeon, Korea) ,  Lee Byung Doo (Seegene Medical Foundation, Seoul, Korea) ,  Lee Kap No (Seegene Medical Foundation, Seoul, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BigComp  ページ： 390-393  発行年： 2017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： 子宮頚癌は世界中の266,000人の死亡に影響する疾患であり,女性の癌の四番目に高い発生率である。癌はPap塗抹により診断できる,細胞病理学者は頚部細胞の顕微鏡画像を患者が正常か異常か決定した。Papスミアの感度及び特異度はそれぞれ53.4%と69.2%であることが知られている。試験は患者の寿命に関係するので,試験の精度を改善するために重要である。種々の系は,審査員の専門家は医療分野における試験の精度を改善するために提案されているが,これらのシステムの開発は,ディジタル化された試験データは明らかに存在する地域に限られている。本論文では,設計と畳込みニューラルネットワークといくつかの機械学習分類器を用いた顕微鏡画像からの子宮頸部細胞の正常/異常状態を自動的に分類するモデルを提案した。その結果,サポートベクトルマシンは,78%のF1スコアを有する最良の性能を示した。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： サポートベクトルマシン ,  患者 ,  *特徴抽出 ,  機械学習 ,  *畳込み ,  子宮頚部腫瘍 ,  *ニューラルネットワーク ,  女性
準シソーラス用語： ディジタル化 ,  特異度 ,  スミア ,  顕微鏡画像 ,  細胞病理学 ,  *細胞画像 ,  *子宮頚 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  泌尿生殖器の腫よう  (GM04000S) ,  婦人科・産科の診断  (GS02000W)

タイトルに関連する用語 (6件)： 特徴抽出 ,  訓練 ,  畳込みニューラルネットワーク ,  子宮頚部 ,  細胞画像 ,  診断