文献

J-GLOBAL ID：201802215696241791   整理番号：18A1993888

深層学習を用いた多モード皮膚病変分類【JST・京大機械翻訳】

Multimodal skin lesion classification using deep learning

著者 (4件)： Yap Jordan (MetaOptima Technology Inc., Vancouver, British Columbia, Canada) ,  Yolland William (MetaOptima Technology Inc., Vancouver, British Columbia, Canada) ,  Tschandl Philipp (Department of Computing Science, Simon Fraser University, Burnaby, British Columbia, Canada) ,  Tschandl Philipp (Department of Dermatology, Medical University of Vienna, Vienna, Austria)
資料名： Experimental Dermatology  (Experimental Dermatology)
巻： 27  号： 11  ページ： 1261-1267  発行年： 2018年 
JST資料番号： W2573A  ISSN： 0906-6705  資料種別： 逐次刊行物 (A)
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： 畳込み神経回路網(CNNs)は皮膚病変分類に成功裏に適用されているが,以前の研究は一般的に単一臨床/巨視的画像のみを考慮し,二値決定を出力している。本研究では,自動皮膚病変診断の性能を向上させるために,複数の画像モダリティを患者のメタデータと組み合わせた方法を提示した。実世界の臨床シナリオを代表する5クラス分類タスクと同様に,以前の研究との比較のための二値分類タスクに関する著者らの方法を評価した。この多モード分類器は,二値メラノーマ検出(AUC0.866対0.784)と多クラス分類(mAP0.729対0.598)の両方で単一の巨視的画像のみを用いるベースライン分類器より優れていることを示した。さらに,皮膚病変の自動診断は,肉眼的画像を用いた場合と比較して,皮膚病変の自動診断がより高い性能を得ることを定量的に示した。著者らは,各症例が皮膚鏡画像,肉眼画像および患者メタデータを含む2917症例の新しいデータセットに関する実験を行った。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像 ,  *皮膚障害 ,  畳込み ,  基準線 ,  神経回路網 ,  患者 ,  *多モード ,  メタデータ ,  黒色腫
準シソーラス用語： 自動診断 ,  多クラス分類 ,  二値分類 ,  モダリティ ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  皮膚科学 ,  皮膚鏡検査 ,  特徴融合 ,  マルチモーダル

分類 (2件)： 医用画像処理  (JE04020T) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (4件)： 深層学習 ,  多モード ,  皮膚病変 ,  分類