文献

J-GLOBAL ID：201802254873215656   整理番号：18A2231894

G-EYENET 網膜眼底画像からの緑内障検出のための畳込み自己符号化分類器フレームワーク【JST・京大機械翻訳】

G-Eyenet: A Convolutional Autoencoding Classifier Framework for the Detection of Glaucoma from Retinal Fundus Images

著者 (3件)： Pal Abhishek (Sri Sivasubramaniya Nadar College of Engineering, Chennai, India) ,  Moorthy Manav Rajiv (Sri Sivasubramaniya Nadar College of Engineering, Chennai, India) ,  Shahina A. (Sri Sivasubramaniya Nadar College of Engineering, Chennai, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIP  ページ： 2775-2779  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： 緑内障は世界における視覚障害の主要原因の1つである。それは,時間にわたって視神経線維を悪化させて,それが後の段階に達するといったん治癒することができない。したがって,早期検出は,高齢化社会にとって最も重要である。本論文では,網膜基底画像からの緑内障検出のためのG-EyeNetと呼ばれる新しい深部学習マルチモデルネットワークを提案した。G-EyeNetは,深い畳込み自動符号器と符号器フレームワークを共有する従来の畳込みニューラルネットワーク(CNN)分類器から成る。マルチモデルネットワークを,多重タスク学習手順に基づく画像再構成誤差と分類誤差の両方を最小化するために,共同で最適化した。公的に利用可能なデータセットHRF,DRISHTI-GS,RIM ONE v.3について広範な訓練実験を行い,公開されているDRIOS-DBデータセットについて評価した。エンコーダフレームワークの教師なし訓練は,分類に役立つ入力の良好な分布を学習するのに役立つ。このアーキテクチャは,訓練データセットが小さい場合に特に有効であり,通常医用画像の場合である。実験結果は,0.923の受信者演算子特性(ROC)曲線の曲線(AUC)の下の領域が達成されることを示して,それは最先端の深い学習アルゴリズムと比較してより良かった。Copyright 2019 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： 医用画像 ,  符号器 ,  *畳込み ,  最適化 ,  *画像 ,  学習 ,  *網膜 ,  計算機アーキテクチャ ,  *緑内障 ,  ネットワーク ,  視神経 ,  学習アルゴリズム ,  画像再構成
準シソーラス用語： 訓練データ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E) ,  パターン認識  (JE07000S) ,  符号理論  (ND02030R) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (8件)： 網膜 ,  眼底画像 ,  緑内障 ,  畳込み ,  自己 ,  符号化 ,  分類器 ,  フレームワーク