文献

J-GLOBAL ID：201702233547406135   整理番号：17A1093442

生物医学画像のための領域導入された深い畳込みニューラルネットワークを用いた新しいエンドツーエンド分類器【Powered by NICT】

A novel end-to-end classifier using domain transferred deep convolutional neural networks for biomedical images

著者 (5件)： Pang Shuchao (College of Computer Science and Technology, Jilin University, Qianjin Street: 2699, Jilin Province, China) ,  Pang Shuchao (Department of Computing, Macquarie University, Sydney, NSW 2109, Australia) ,  Yu Zhezhou (College of Computer Science and Technology, Jilin University, Qianjin Street: 2699, Jilin Province, China) ,  Orgun Mehmet A. (Department of Computing, Macquarie University, Sydney, NSW 2109, Australia) ,  Orgun Mehmet A. (Faculty of Information Technology, Macau University of Science and Technology, Taipa, Macau)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 140  ページ： 283-293  発行年： 2017年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 生体画像の高精度分類はそれらの画像から同定された多数の内科疾患の臨床診断において重要な課題である。手作りの画像特徴記述子といろいろな分類器と結合した伝統的な画像分類法が効果的に精度を向上させ,生物医学画像の分類の高度な要求を満たすことができない。同じことをまた,訓練データとして用いられた限られた医用画像を用いて訓練されたまたは他の遠隔データセットに基づく深特徴を抽出するためにブラックボックスとして直接用いる直接人工ニューラルネットワークモデルに当てはまる。本研究では,深層学習および移動学習を介したあらゆる生物医学画像のための高度に信頼性があり正確なエンドツーエンド分類器を提案した。最初の詳細なモデルを構築するためのドメイン移動深い畳込みニューラルネットワークを適用,教師つき学習を用いた独自の医用画像の画素に基づく全体的な深い学習アーキテクチャを開発した。著者らのモデルでは,特徴空間のマニュアル設計を必要とする,効果的な特徴ベクトル分類器を求めるまたは特異的検出物体と画像パッチ,伝統的な画像分類法の採用における主な技術的困難を分割しない。さらに,最近の研究で観察されたようには注釈付き生物医学画像の大規模訓練集合,GPUを特徴とする手頃な並列計算資源または完全な深いモデル,生物医学画像分類のための深層ニューラルネットワークを訓練するための主要な問題を訓練を待つこと長時間であるかどうかに関するものであるであることを必要としない。簡単なデータ増強法と高速収束速度を利用して,提案アルゴリズムは生物医学的画像のための最良正解率と優れた分類能力を達成することができる。いくつかの良く知られた公開生物医学データセット上で提案分類器を評価し,いくつかの最先端アプローチと比較した。いくつかの公開生物医学画像データセット上で確認された高い信頼性と正確な性能を示すことをドメイン移動深い畳込みニューラルネットワークモデルに基づく医用画像のためのロバストな自動化エンドツーエンド分類器を提案した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 教師つき学習 ,  医用画像 ,  アルゴリズム ,  ロバスト性 ,  *ニューラルネットワーク ,  画素 ,  *画像 ,  信頼性 ,  自動化 ,  計算機アーキテクチャ ,  *畳込み
準シソーラス用語： 特徴ベクトル ,  神経回路網モデル ,  画像分類 ,  *生物医学 , 【Automatic Indexing@JST】

著者キーワード (5件)： 医用画像分類 ,  深い学習 ,  畳込みニューラルネットワーク ,  転移学習 ,  データ増強

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 生物医学 ,  畳込みニューラルネットワーク ,  エンドツーエンド ,  分類器