文献

J-GLOBAL ID：201802278956190492   整理番号：18A0382943

肺結節検出と分類における2種類のエンドツーエンド機械学習モデルの比較:MTANNs対CNN【Powered by NICT】

Comparing two classes of end-to-end machine-learning models in lung nodule detection and classification: MTANNs vs. CNNs

著者 (2件)： Tajbakhsh Nima (Department of Electrical and Computer Engineering, Illinois Institute of Technology, 3300 S Federal St, Chicago, IL60616, USA) ,  Suzuki Kenji (Department of Electrical and Computer Engineering, Illinois Institute of Technology, 3300 S Federal St, Chicago, IL60616, USA)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 63  ページ： 476-486  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： エンドツーエンド学習機械は望ましい出力生入力データからの直接マッピングを可能にし,手作りの特徴を必要としない。手作りの対応物よりも少ない工学努力にもかかわらず,これらの学習機械は多くのコンピュータビジョンと医用画像解析タスクに対し非常に良好な結果を達成した。二の優勢なクラスエンドツーエンド学習機械の大量訓練人工神経回路網(MTANNs)および畳込みニューラルネットワーク(CNN)である。MTANNsは過去二年にわたる医用画像解析タスクの数のための積極的に利用されているが,CNNは最近,医用画像の分野で人気を集めている。本研究では,実験的及び理論的にこれらの成功した二学習機械を比較した。この目的のために,医用画像解析の分野における二つのよく研究されている話題を考慮した:肺小結節の検出およびコンピューター断層撮影(CT)における良性および悪性肺結節の区別。徹底的な分析のために,二つの最適化MTANNアーキテクチャと異なる深さを持つ4の異なるCNNアーキテクチャを使用した。著者らの実験は,限られた訓練データを用いた場合にMTANNsの性能はCNNのそれよりも実質的に高いことを示した。より大きな訓練データセットを用いて,断端はまだ有意にもかかわらず性能ギャップがあまり明らかではなかった。特に,結節検出のための,MTANNsは100%の感度であり,感度の同じレベルで患者あたり22.7の誤検出で最良のCNNモデルよりも有意に低かった(p<0.05)患者あたり2.7偽陽性を生成した。結節分類のために,MTANNsは0.8806(95% CI: 0.8389 0.9223)の受診者動作特性曲線(AUC)であり,0.7755のAUC(95% CI: 0.7120 0.8270)と最良のCNNモデルよりも有意に大きかった(p<0.05)下面積が得られた。,限られた訓練データと,MTANNsは高レベル意味論的特徴を必要としない局所性病変の検出と分類のための適切なエンドツーエンド機械学習モデルである。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *エンドツーエンド方式 ,  *モデリング ,  学習機械 ,  意味論 ,  コンピュータビジョン ,  *機械学習 ,  ニューラルネットワーク ,  最適化 ,  医用画像 ,  計算機アーキテクチャ ,  計算機トモグラフィー ,  *学習
準シソーラス用語： *結節 ,  訓練データ ,  医用画像解析 ,  *肺結節 , 【Automatic Indexing@JST】

著者キーワード (9件)： 深い学習 ,  パッチベース機械学習 ,  画像ベースの機械学習 ,  大規模トレーニング人工ニューラルネットワーク ,  畳込みニューラルネットワーク ,  限局性病変 ,  分類 ,  コンピュータ支援診断 ,  肺結節

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 肺結節 ,  分類 ,  エンドツーエンド ,  機械学習 ,  モデル ,  CNN