文献

J-GLOBAL ID：201702282602784319   整理番号：17A0757249

医療センサシステムのための肺癌診断への深い学習応用試験【Powered by NICT】

Deep learning application trial to lung cancer diagnosis for medical sensor systems

著者 (7件)： Shimizu Ryota (Faculty of Science and Technology, Keio University, Yokohama, Japan) ,  Yanagawa Shusuke (Faculty of Science and Technology, Keio University, Yokohama, Japan) ,  Monde Yasutaka (Faculty of Science and Technology, Keio University, Yokohama, Japan) ,  Yamagishi Hiroki (Faculty of Science and Technology, Keio University, Yokohama, Japan) ,  Hamada Mototsugu (Faculty of Science and Technology, Keio University, Yokohama, Japan) ,  Shimizu Toru (Faculty of Science and Technology, Keio University, Yokohama, Japan) ,  Kuroda Tadahiro (Faculty of Science and Technology, Keio University, Yokohama, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ISOCC  ページ： 191-192  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： パーソナルで使い易い健康チェックシステムはセンサシステムの魅力的な応用である。センシングデータは,人々と検出条件の個人差を反映し変動と雑音を含むので診断のためのセンシングデータ解析を,小さなおよび移動センサノードを調製すると同様に重要である。深層学習,ディープニューラルネットワークは,機械学習のよく知られた方法である,画像からの特徴抽出に有効である。,深層学習もセンシングデータからの特徴を抽出することができると考えた。本論文では,深層学習に基づく肺癌の診断システムを構築することを試みた。システムの入力データはガスクロマトグラフィー質量分析計(GC MS)によるヒト尿から発生した,このシステムは,患者が肺癌であったかどうかの判定において90%の精度を達成した。尿収集は非常に容易であり,人体に有害でないので,このシステムは術前個人診断に有用であろう。ガスクロマトグラフィーシステムでなく,低濃度のガスを検出するための多重センサのいくつかの組み合わせのみならず本システムの設置を目標としている。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： 機械学習 ,  精度 ,  画像 ,  GC-MS分析 ,  *肺腫瘍 ,  特徴抽出 ,  雑音 ,  ヒト ,  *学習 ,  データ解析
準シソーラス用語： マルチセンサ ,  深層学習 ,  センサノード ,  個人差 ,  *センサシステム , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 医療 ,  センサシステム ,  肺癌 ,  診断 ,  学習 ,  応用 ,  試験