文献

J-GLOBAL ID：201802235524481316   整理番号：18A2024221

糖尿病網膜症グレーディングのためのマルチセルマルチタスク畳込みニューラルネットワーク【JST・京大機械翻訳】

Multi-Cell Multi-Task Convolutional Neural Networks for Diabetic Retinopathy Grading

著者 (7件)： Zhou Kang (School of Information Science and Technology, ShanghaiTech University, China) ,  Gu Zaiwang (Ningbo Institute of Materials Technology and Engineering, China) ,  Liu Wen (School of Information Science and Technology, ShanghaiTech University, China) ,  Luo Weixin (Ningbo Institute of Materials Technology and Engineering, China) ,  Cheng Jun (Ningbo Institute of Materials Technology and Engineering, China) ,  Gao Shenghua (School of Information Science and Technology, ShanghaiTech University, China) ,  Liu Jiang (Ningbo Institute of Materials Technology and Engineering, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： EMBC  ページ： 2724-2727  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： 糖尿病網膜症(DR)は糖尿病患者の間で無視できない眼疾患であり,DRスクリーニングのための自動網膜画像分析アルゴリズムは高い需要がある。網膜画像の解像度を考慮することは非常に高く,小さな病理組織を大解像度画像で検出することができる。そして,大きい局所的受容野は,勾配消失/爆発問題のために必要である。しかし,深い神経回路網の深さと入力画像の分解能を直接訓練する。それは,両方とも訓練時間を上げるが,分類精度を改善する。さらに,DRの異なる段階を考慮することは,実際に徐々に進行し,異なる段階のラベルが関連することを意味する。異なる段階による画像の関係を考慮するために,著者らは分類と回帰の両方でラベルを予測するマルチ-タスク学習戦略を提案する。Kagleデータセットに関する実験結果は,著者らの方法がすべてのstate of the ート方法の4番目のランクであるテストセットに関して0.841のKappaを達成することを示した。さらに,著者らのマルチセル多重タスク畳込みニューラルネットワーク(M2CnN)ソリューションは,多くの他の深いニューラルネットワークアーキテクチャと容易に統合できる一般的フレームワークである。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： 神経回路網 ,  画像 ,  *糖尿病性網膜症 ,  スクリーニング ,  アルゴリズム ,  分解能 ,  眼疾患
準シソーラス用語： ニューラルネットワークアーキテクチャ ,  マルチタスク ,  *マルチセル ,  分類精度 ,  受容野 ,  病理組織 ,  網膜画像 ,  *畳込みニューラルネットワーク , 【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 (3件)： 糖尿病網膜症 ,  グレーディング ,  畳込みニューラルネットワーク