文献

J-GLOBAL ID：201802214562846098   整理番号：18A0587826

病理組織画像分類のための畳込みニューラルネットワーク:前訓練されたネットワークを用いた対訓練【Powered by NICT】

Convolutional neural networks for histopathology image classification: Training vs. Using pre-trained networks

著者 (4件)： Kieffer Brady (KIMIA Lab, University of Waterloo, ON, Canada) ,  Babaie Morteza (Mathematics and Computer Science Department, Amirkabir University of Technology, Tehran, Iran) ,  Kalra Shivam (KIMIA Lab, University of Waterloo, ON, Canada) ,  Tizhoosh H. R. (KIMIA Lab, University of Waterloo, ON, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IPTA  ページ： 1-6  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： は,予め訓練された畳込みニューラルネットワークの最も深い層から抽出された特徴ベクトルに基づく医用画像データセット内の分類の問題を検討した。いくつかの事前構造からの特徴ベクトル,特異的データセットにより訓練された事前訓練された深い特徴とCNNの性能だけでなく,少数の標本を用いた転移学習の影響を評価するための移動学習がある場合とない場合のネットワークを含むを使用した。全ての実験は24組織テクスチャクラス27,055組織病理学訓練パッチと共に評価のための1,325試験パッチから成るKimia Path24データセット上で行った。結果は,予め訓練されたネットワークはスクラッチからの訓練に対して非常に競争力があることを示した。同様に,微調整は,追加的訓練を正当化するVGG16の具体的な改善を添加するとは思われない,開始構造を微調整時の検索と分類精度にかなりの改善を観測した。Copyright 2018 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 ,  学習
準シソーラス用語： 分類精度 ,  病理組織学 ,  転移学習 ,  特徴ベクトル ,  *畳込みニューラルネットワーク ,  *画像分類 ,  *病理組織 , 【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 (4件)： 病理組織 ,  画像分類 ,  畳込みニューラルネットワーク ,  訓練