文献

J-GLOBAL ID：201802294373130623   整理番号：18A1030585

皮膚病変をセグメント化するための生成的敵対ネットワーク【JST・京大機械翻訳】

Generative adversarial networks to segment skin lesions

著者 (4件)： Izadi Saeed (Medical Image Analysis Lab, School of Computing Science, Simon Fraser University, Canada) ,  Mirikharaji Zahra (Medical Image Analysis Lab, School of Computing Science, Simon Fraser University, Canada) ,  Kawahara Jeremy (Medical Image Analysis Lab, School of Computing Science, Simon Fraser University, Canada) ,  Hamarneh Ghassan (Medical Image Analysis Lab, School of Computing Science, Simon Fraser University, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISBI  ページ： 881-884  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： 皮膚病変セグメンテーションの精度は,機械学習技術の進歩とダーモスコピー画像の大きな流入により近年増加している。しかし,主に病変の出現における大きな変動性(すなわち,形状,大きさ,組織,および閉塞)のために,多くのかなりの課題が存在するので,改善の余地がある。本研究において,著者らは,発生する生成sネットワークを活用することを通して,皮膚病変セグメンテーションのための新しいアプローチを提示した。著者らのアプローチは,正確な皮膚病変セグメンテーションマスク(セグメント化器)を合成するために設計された完全畳込みニューラルネットワークと,合成と実際のセグメンテーションマスク(クリティック)の間を区別する畳込みニューラルネットワークの2つのモデルから構成されている。DermoFitデータセットからの1300の画像に関する著者らの実験結果は,UNETのような完全畳込みセグメントを補うために臨界ネットワークを組み込むことがセグメンテーション精度を増加させることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 閉塞 ,  畳込み ,  画像 ,  *皮膚障害 ,  *セグメンテーション ,  臨界 ,  *ネットワーク
準シソーラス用語： セグメンテーション精度 ,  畳込みニューラルネットワーク ,  *病巣 ,  ダーモスコピー ,  機械学習技術 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 皮膚病変 ,  セグメント化 ,  敵対