文献

J-GLOBAL ID：201602275397226250   整理番号：16A1371715

コンピュータ支援検出のためのディープ畳込みニューラルネットワーク:CNNアーキテクチャ,データセット特性と転移学習

Deep Convolutional Neural Networks for Computer-Aided Detection: CNN Architectures, Dataset Characteristics and Transfer Learning

著者 (9件)： Shin Hoo-Chang (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory,) ,  Roth Holger R. (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory,) ,  Gao Mingchen (Center for Infectious Disease Imaging,) ,  Lu Le (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory,) ,  Xu Ziyue (Center for Infectious Disease Imaging,) ,  Nogues Isabella (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory,) ,  Yao Jianhua (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory,) ,  Mollura Daniel (Center for Infectious Disease Imaging,) ,  Summers Ronald M. (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory,)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 35  号： 5  ページ： 1285-1298  発行年： 2016年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  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： 主に大規模な注釈付きデータセットおよびディープ畳込みニューラルネットワーク(CNN)の利用可能性に起因して,画像認識において顕著な進歩がみられた。CNNは,十分な訓練データから,データ駆動型の高度に代表的な階層的画像特徴を学習することを可能にする。しかし,医用画像領域でImageNetとして包括的に注釈付けされたデータセットを取得することは依然として課題である。現在のところ,CNNを医用画像分類に適用するには,3つの主要な技術がある.1つ目は,CNNをゼロから訓練し,既製のCNN機能を使用し,監視されていないCNN前訓練を監督された微調整で実施することである。別の有効な方法は,転移学習,すなわち,自然画像データセットから医用画像タスクに事前に訓練されたCNNモデルを微調整することである。本論文では,ディープ畳込みニューラルネットワークをコンピュータ支援の検出問題に適用するという,重要ではあるが,以前は控えめな3つの要因を利用した。最初に,種々のCNNアーキテクチャを探索し評価した。研究モデルは,5千から1億6千万のパラメータを含み,層の数を変化した。次に,データセットスケールと空間イメージコンテクストの性能への影響を評価した。最後に,訓練を受けたImageNet(微調整による)からの転移学習がいつ,そしてなぜ有用であるかを調べた。本論文では,胸部-腹部リンパ節(LN)検出および間質性肺疾患(ILD)分類の2つの特定のコンピュータ支援検出(CADe)問題を研究した。縦隔LN検出に関する最先端の性能を達成し,ILDカテゴリーによる軸方向CTスライスの予測に関する最初の5倍交差検定分類結果を報告した。当社の幅広い経験的評価,CNNモデル分析,貴重な洞察は,他の医療画像処理タスクのための高性能CADシステムの設計にも拡張することが可能である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST

シソーラス用語： *計算機診断 ,  *ニューラルネットワーク ,  *畳込み ,  計算機アーキテクチャ ,  機械学習 ,  画像認識 ,  分類 ,  階層構造 ,  画像分析 ,  アノテーション ,  文脈 ,  スライス ,  リンパ節 ,  ディープニューラルネットワーク
準シソーラス用語： アーキテクチャ ,  *コンピュータ支援検出 ,  階層的分類 ,  大規模データセット ,  転移学習

分類 (4件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T) ,  肺  (EJ05020K) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (6件)： コンピュータ支援検出 ,  ディープ畳込みニューラルネットワーク ,  CNN ,  アーキテクチャ ,  データセット ,  転移学習