文献

J-GLOBAL ID：201702230046260289   整理番号：17A1036467

クロスモーダル深い学習を用いた乳房病変の分類【Powered by NICT】

Classification of breast lesions using cross-modal deep learning

著者 (5件)： Hadad Omer (IBM Research, Haifa, Israel) ,  Bakalo Ran (IBM Research, Haifa, Israel) ,  Ben-Ari Rami (IBM Research, Haifa, Israel) ,  Hashoul Sharbell (IBM Research, Haifa, Israel) ,  Amit Guy (IBM Research, Haifa, Israel)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISBI  ページ： 109-112  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： 医用画像における病変の自動検出と分類は,望ましい目標である,多くの臨床応用であった。乳房イメージングでは,X線,超音波,MRIなどの複数のモダリティは診断ワークフローにしばしば用いられる。各モダリティのための訓練ロバスト分類器は,利用可能なデータセットの典型的なサイズが小さいために挑戦的である。分類器のロバスト性を改善するクロスモーダル転移学習を用いることを提案した。乳房MRI画像における質量を同定する問題にこの手法の可能性を示し,乳房撮影画像上で訓練されたネットワークを用いた。クロスモーダルおよびクロスドメイン転移学習の間の比較は,前者が分類性能を改善し,0.93対0.90の総合精度が,de novo訓練の精度は0.94であったことを示した。医用画像領域内の移動学習を用いた標準事前共有モデル,品種特異的な臨床問題を解くのに使用できるを産生するのに役立つ可能性がある。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： ロバスト性 ,  超音波 ,  *乳房 ,  ネットワーク ,  乳房撮影 ,  *学習 ,  ワークフロー ,  医用画像 ,  画像
準シソーラス用語： MRマンモグラフィー ,  転移学習 ,  モダリティ ,  臨床応用 ,  自動検出 ,  *病巣 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 学習 ,  乳房 ,  病変 ,  分類