文献

J-GLOBAL ID：201702280635584430   整理番号：17A0414556

深層畳込みニューラルネットワークを用いたHEp-2細胞画像分類【Powered by NICT】

HEp-2 Cell Image Classification With Deep Convolutional Neural Networks

著者 (4件)： Gao Zhimin (School of Computing and Information Technology, University of Wollongong, Wollongong, NSW, Australia) ,  Wang Lei (School of Computing and Information Technology, University of Wollongong, Wollongong, NSW, Australia) ,  Zhou Luping (School of Computing and Information Technology, University of Wollongong, Wollongong, NSW, Australia) ,  Zhang Jianjia (School of Computing and Information Technology, University of Wollongong, Wollongong, NSW, Australia)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 21  号： 2  ページ： 416-428  発行年： 2017年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  資料種別： 逐次刊行物 (A)
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： 効率的なヒト上皮細胞画像分類は,多くの自己免疫疾患の診断を容易にすることができる。本論文では,この分類タスクのための自動フレームワークを提案し,最近の視覚認識における強い関心を集めてきた深い畳込みニューラルネットワーク(CNN)を利用した。提案分類フレームワークを記述するに加えて,この論文では,著者らの調査で得られたいくつかの興味深い観察と調査結果を詳述した。ネットワーク設計と訓練に影響を与える重要な因子,細胞画像のための回転データ増強の役割,分類のための細胞像マスクの有効性,異なるデータセットに跨ってCNNに基づく分類システムの適応性を含んでいる。広範な実験研究は,以上の所見を検証するために実施した,文献で確立された画像分類モデルと提案したフレームワークを比較した。ベンチマークデータセット上での結果は,1)提案したフレームワークは,データ増大を適当に付加することにより既存のモデルより性能が優れていることができる,2)CNNに基づくフレームワークは,異なるデータセット,実験室設定を変えて細胞画像分類のための強く望まれているそれを横切って優れた適応性を持つことを示した。本システムはIC2014によるホスト細胞画像分類競争において高いランク付けした。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： ヒト ,  *畳込み ,  上皮細胞 ,  *ニューラルネットワーク ,  自己免疫病 ,  等級づけ ,  視認 ,  深層 ,  適応性 ,  細胞像
準シソーラス用語： 実験研究 ,  ネットワーク設計 ,  *画像分類 , 【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 (3件)： 深層畳込みニューラルネットワーク ,  HEp-2細胞 ,  画像分類