文献

J-GLOBAL ID：201702262384235884   整理番号：17A1455068

畳込みニューラルネットワークの混合集団を使用したDCE-MRIにおける乳癌診断【Powered by NICT】

Breast cancer diagnosis in DCE-MRI using mixture ensemble of convolutional neural networks

著者 (4件)： Rasti Reza (Artificial Intelligent Lab, Department of Electrical Engineering of K. N. Toosi University of Technology, Tehran, Iran) ,  Rasti Reza (Department of Biomedical Engineering, Isfahan University of Medical Sciences, Isfahan, Iran) ,  Teshnehlab Mohammad (Department of Electrical Engineering of K. N. Toosi University of Technology, Tehran, Iran) ,  Phung Son Lam (School of Electrical, Computer and Telecommunications Engineering, University of Wollongong, Australia)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 72  ページ： 381-390  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 乳房ダイナミックコントラスト強調核磁気共鳴画像(DCE MRI)における新しいコンピュータ支援診断(CAD)システムを検討した。CADシステムは,良性および悪性の乳腺腫瘍を識別するための畳込みニューラルネットワーク(ME CNN)の混合物アンサンブルに基づいて設計した。ME CNNはモジュールと画像ベースアンサンブル,そのモジュールの同時競合学習による高次元画像空間を分割する確率的に可能である。提案したシステムは,固形乳房腫瘤を含む112DCE-MRI研究のデータベースで評価し,広範な分類測度を用いた。三CNN専門家と1畳込みゲーティングネットワークから成るME CNNモデルは96.39%の精度,97.73%の感度と94.87%の特異性を達成した。実験結果はまた,三つの既存の単一分類器法と二畳込みアンサンブル法と比較して競合分類性能を持つことを示した。提案したME CNNモデルは乳房DCE-MRI画像を分析するために放射線科医のための有効なツールを提供することができた。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： 測度 ,  高次元 ,  乳腺腫瘍 ,  *畳込み ,  乳房 ,  画像 ,  *ニューラルネットワーク ,  データベース ,  計算機診断 ,  競合学習
準シソーラス用語： 放射線科医 ,  特異性 ,  乳房腫瘤 ,  CADシステム ,  *乳癌診断 , 【Automatic Indexing@JST】

著者キーワード (5件)： 乳癌 ,  DCE-MRI ,  畳込みニューラルネットワーク ,  専門家の混合アンサンブル ,  C ADシステム

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  集団 ,  DCE-MRI ,  乳癌診断