文献

J-GLOBAL ID：201702286231106965   整理番号：17A1732167

GPUベース超音波研究走査装置に及ぼす深い学習アルゴリズム統合の実現可能性【Powered by NICT】

The feasibility of deep learning algorithms integration on a GPU-based ultrasound research scanner

著者 (2件)： Jarosik Piotr (Laboratory of Professional Electronics, Institute of Fundamental Technological Research PAS, Warsaw, Poland) ,  Lewandowski Marcin (Laboratory of Professional Electronics, Institute of Fundamental Technological Research PAS, Warsaw, Poland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IUS  ページ： 1-4  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： 超音波医療診断画像の医師の解釈に基づくリアルタイム様式である。これまで,自動化計算機支援診断ツールは,超音波イメージングに広く適用されてなかった。深層学習,人工知能における新たな方法は,医療画像診断法における新しい応用をもたらした。研究の目的は,GPUソフトウェアビーム形成を行う研究スキャナ上に直接深層学習アルゴリズムを実装の実現可能性を示すことであった。超音波研究プラットフォームUSPlatform(us4us社,ポーランド)上での信号処理パイプラインの一部として二深層ニューラルネットワークアーキテクチャを実装し,評価した。USPlatformはGPUクラスタを備えた完全なソフトウェアベースのチャネルデータ処理だけでなくオープンソース深層学習フレームワークの統合を可能にした。最初のニューラルモデル(S 4 2)は乳児身体部位の1クラス分類のための古典的畳込みネットワークである。このタスクのための単純な6層ネットワークを提案した。モデルは胎児訓練ファントムの786超音波画像から成るデータセット上で訓練されたと評価した。第二のモデル(Guネット)は腕神経叢局在のための完全畳込みニューラルネットワークである。モデルは「U正味′-ターゲット検出の全体的な可能性と可能性のある標的位置の確率マスクを計算するようなアーキテクチャを使用している。モデルは5640超音波Bモードフレーム上で訓練されたと評価した。両訓練と推論は,プラットフォームと統合したマルチGPU(NvidiaタイタンX)クラスタ上で行った。性能指標として,使用した:分類における正答の割合として精度,物体検出のためのダイス係数,および平均と標準偏差モデルの応答時間。’S-4 2モデルは,96%の分類精度と3ms(334predictions/s)の応答時間を達成した。この簡単なモデルは,短時間で正確な予測を行う。Guネットモデルは,物体検出のための0.64個のチップ係数と76%目標の存在分類精度15msの応答時間(65predictions/s)を達成した。腕神経叢検出作業はより困難であり,正しい解を見出すために多くの努力を必要とする。結果は,深層学習法は,超音波画像解析に適用し,単一先端研究プラットフォーム上に集積できることを示した。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： 画像診断 ,  計算機アーキテクチャ ,  ネットワーク ,  ソフトウェア ,  自動化 ,  ニューラルネットワーク ,  *学習アルゴリズム ,  *超音波 ,  信号処理 ,  超音波画像 ,  人工知能 ,  クラスタ ,  畳込み ,  応答時間
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 音響信号処理  (BB03050C) ,  人工知能  (JE08000Z) ,  生体計測  (EL03020C)

タイトルに関連する用語 (7件)： GPU ,  超音波 ,  研究 ,  走査装置 ,  学習アルゴリズム ,  統合 ,  実現可能性