文献

J-GLOBAL ID：201702263708785522   整理番号：17A1396503

乳房X線写真からの乳房微小石灰化の分類のための畳込みニューラルネットワークのアンサンブル【Powered by NICT】

Ensemble of convolutional neural networks for classification of breast microcalcification from mammograms

著者 (3件)： Sert Egemen (Department of Electrical and Electronics Engineering, Middle East Technical University, Ankara, Turkey) ,  Ertekin Seyda (Department of Computer Engineering, Middle East Technical University, Ankara, Turkey) ,  Halici Ugur (Department of Electrical and Electronics Engineering, Middle East Technical University, Ankara, Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 689-692  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： マンモグラムからの微小石灰化を考慮した乳癌の検出におけるヒトレベル想起性能は74.5%と92.3%のリコール値を有していた。本研究では,ネットワークのアンサンブルを用いた畳込みニューラルネットワークを用いた乳房微小石灰化分類問題と共にコントラストスケーリング,拡張,栽培などと決定融合のような種々の前処理法へのアプローチ。スクリーニングマンモグラフィデータセットのためのディジタルデータベースに対する種々の実験は前処理は,分類性能に大きな重要性をもたらすことを示した。拡張と作付前処理技術を用いた独立モデルは91.3%の最も高い再現率を達成した。独立モデルの集団は,この想起値を上回り,想起の97.3%値を達成した。94.5%である最高のF1スコア(適合率と再現率の調和平均)を持つアンサンブルは94.0%の再現率および95.0%の精度値を有していた。想起はヒトレベルの性能とモデルは,正確度,精度,再現率とF1スコア測度の意味で比肩可能な結果を達成以上。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： *ネットワーク ,  *畳込み ,  測度 ,  *乳房 ,  *ニューラルネットワーク ,  前処理 ,  *X線写真 ,  乳房腫瘍
準シソーラス用語： 調和平均 ,  適合率 ,  スコア ,  再現率 ,  *微細石灰化 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 乳房 ,  X線写真 ,  微小石灰化 ,  分類 ,  畳込みニューラルネットワーク ,  アンサンブル