文献

J-GLOBAL ID：201802229040812319   整理番号：18A1770923

生成的敵対ネットワークを用いたX線における胸部病理分類のための深部神経回路網の一般化【JST・京大機械翻訳】

Generalization of Deep Neural Networks for Chest Pathology Classification in X-Rays Using Generative Adversarial Networks

著者 (5件)： Salehinejad Hojjat (Department of Electrical & Computer Engineering, University of Toronto, Toronto, Canada) ,  Valaee Shahrokh (Department of Electrical & Computer Engineering, University of Toronto, Toronto, Canada) ,  Dowdell Tim (Department of Medical Imaging, St. Michael’s Hospital, University of Toronto, Toronto, Canada) ,  Colak Errol (Department of Medical Imaging, St. Michael’s Hospital, University of Toronto, Toronto, Canada) ,  Barfett Joseph (Department of Medical Imaging, St. Michael’s Hospital, University of Toronto, Toronto, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 990-994  発行年： 2018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： 医療データセットは,一般的な医学的問題の過剰表現およびまれな条件からのデータの不足としばしば不均衡になっている。上記の限界を克服するために,画像における病理学のシミュレーションを提案した。モデル医用画像として胸部X線を用いて,中程度のサイズのラベル付きデータセットに基づいて人工画像を作成するために,生成的な敵ネットワーク(GAN)を実装した。胸部X線の5つのクラスにわたる病理学を検出するために,深部畳込み神経回路網(DCNN)を訓練するために,実画像と人工画像の組合せを用いた。さらに,GAN生成画像による元の不均衡データセットの増大は,元のデータセットのみで訓練された同じDCNNと比較して,提案DCNNを用いた胸部病理分類の性能を改善することを実証した。この改善された性能は,GAN生成画像を用いたデータセットのバランスによるものであり,画像クラスは例えば画像クラスが優先的に拡張されている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *X線 ,  畳込み ,  *ネットワーク ,  画像 ,  *深部 ,  医用画像 ,  *病理 ,  病理学 ,  *神経回路網
準シソーラス用語： 胸部X線撮影 ,  不均衡 ,  合成画像 ,  不均衡データセット , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： 敵対 ,  X線 ,  胸部 ,  病理 ,  分類 ,  深部 ,  神経回路網 ,  一般化