文献

J-GLOBAL ID：201802232342607706   整理番号：18A0440421

解剖物体の医用画像を分類するための深い学習アーキテクチャ【Powered by NICT】

A deep learning architecture for classifying medical images of anatomy object

著者 (2件)： Khan Sameer (Computer and Information Sciences Department, Universiti Teknologi PETRONAS, Malaysia) ,  Yong Suet-Peng (Computer and Information Sciences Department, Universiti Teknologi PETRONAS, Malaysia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： APSIPA ASC  ページ： 1661-1668  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： 深い学習構造特に畳込みニューラルネットワーク(CNN)はビッグデータからの高レベル表現を自動的に抽出する固有の能力を示した。CNNは自然画像分類の印象的な結果が得られているが,ImageNetなどの一般的な画像ベンチマークと比較して内科領域におけるそれらの展開のために訓練データの相対的不足への主要な障害である。本論文では,三マイルストーンアーキテクチャの比較評価すなわちLeNet,AlexNetとGoogLeNet示し,医療解剖画像を分類するための著者らのCNN(セルラニューラルネットワーク)アーキテクチャを提案した。実験に基づいて,提案した畳込みニューラルネットワークアーキテクチャは,解剖物体の医用画像を分類する際の三マイルストーンアーキテクチャより性能が優れていることを示した。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： *画像 ,  内科学 ,  セルラニューラルネットワーク ,  *医用画像 ,  *計算機アーキテクチャ ,  *解剖 ,  *学習 ,  畳込み ,  ベンチマーク
準シソーラス用語： 比較評価 ,  訓練データ ,  自然画像 ,  ビッグデータ ,  畳込みニューラルネットワーク , 【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)： 解剖 ,  物体 ,  医用画像 ,  分類 ,  学習 ,  アーキテクチャ