文献

J-GLOBAL ID：201802292626746811   整理番号：18A1386147

より良い医用画像分類と分類理解のための深い神経回路網の解剖【JST・京大機械翻訳】

Dissecting Deep Neural Networks for Better Medical Image Classification and Classification Understanding

著者 (10件)： Hicks Steven ,  Riegler Michael ,  Pogorelov Konstantin ,  Anonsen Kim V. ,  de Lange Thomas ,  Johansen Dag ,  Jeppsson Mattis ,  Ranheim Randel Kristin ,  Losada Eskeland Sigrun ,  Halvorsen Pal
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CBMS  ページ： 363-368  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： 神経回路網は,深い学習の文脈において,患者検査の間の疾患検出において医師を支援する目的で,重要なツールになることにおいて非常に有望であることを示した。しかし,深い学習の現状は「ブラックボックス」のsoであり,どのような内部プロセスが与えられた結果に導くかを理解することは非常に困難である。これは,非技術的なユーザだけでなく,専門家の間でも真である。この理解の欠如により,実際の性能の面で多くの説明可能性を持つ,ミスクリティカルフィールドの中でのこれらの方法の実装におけるhe中をもたらした。これらの方法の受容性と信頼性を増加させることによって動機付けされて,資格のある決定をするために,著者らはこのブラックボックスの部分的開口を可能にするシステムを提示した。これは,予測を行うときの神経回路網が,アルゴリズムの理解を改善し,前処理段階がより良い画像分類性能をもたらす可能性があるかどうかについての研究を含む。さらに,医療専門家の時間のかなりの部分が医療検査後に報告されており,既にネットワークによって行われた分析を分析するためのシステムを持っているならば,同じツールはコンテンツ提案を通して自動検査文書化のために使用することができる。本論文では,深いニューラルネットワークの層を見ることができるシステムを提示し,医師が理解することができるという方法でネットワークの決定を提示する。さらに,この情報が自動報告のためにどのように使用できるかを示し議論した。初期結果は非常に有望である。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： 開口 ,  *神経回路網 ,  資格 ,  コンテンツ ,  アルゴリズム ,  信頼性 ,  ニューラルネットワーク ,  患者 ,  医師 ,  前処理 ,  ネットワーク ,  *医用画像 ,  ブラックボックス
準シソーラス用語： 自動検査 ,  *画像分類 , 【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 (5件)： 医用画像 ,  分類 ,  理解 ,  神経回路網 ,  解剖