文献

J-GLOBAL ID：201902212122243473   整理番号：19A1543318

解釈可能な学習:自動白内障検出のための結果指向説明【JST・京大機械翻訳】

Interpretable Learning: A Result-Oriented Explanation for Automatic Cataract Detection

著者 (7件)： Li Jianqiang (School of Software Engineering, Beijing University of Technology, Beijing, China) ,  Xie Liyang (School of Software Engineering, Beijing University of Technology, Beijing, China) ,  Zhang Li (Beijing Tongren Eye Center, Beijing Tongren Hospital, Capital Medical University, Beijing, China) ,  Liu Lu (School of Software Engineering, Beijing University of Technology, Beijing, China) ,  Li Pengzhi (School of Software Engineering, Beijing University of Technology, Beijing, China) ,  Yang Ji-jiang (Research Institute of Information Technology, Tsinghua University, Beijing, China) ,  Wang Qing (Research Institute of Information Technology, Tsinghua University, Beijing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 542  ページ： 296-306  発行年： 2019年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 白内障は世界中の人口の4.2%を占める最も一般的な眼疾患の1つである。自動白内障検出は,人々が視覚障害を予防し,失明の可能性を減少させることができるだけでなく,医療資源を節約することもできる。以前の研究者は,非透明で,説明ができず,疑わしいと思われる,Convolution Neural Network(CNN)を用いた自動医用画像検出を達成した。本論文では,CNNsにより生成された白内障検出の結果を説明するための解釈可能な学習の新しいアイデアを提案した。これは,結果としての説明である。AlexNet-CAMとGoogLeNet-CAMは,AlexNetとGoogLeNetに基づいて,グローバルな平均プール層による2つの完全に接続された層を置き換えることによって再確立される。クラス活性化マッピング(CAM)が精度を低下させるかどうかを試験するために,4つのモデルを用いた。次に,著者らは,明確に重要な病理学的特徴を示す熱マップを生成するために,既存の細粒化可視化と組み合わせた勾配クラス活性化マッピング(Grad-CAM)を用いた。その結果,AlexNet(GoogLeNet)の精度は94.48%(94.89%)であり,AlexNet-CAM(GoogLeNet-CAM)の精度は93.28%(94.93%)であった。非白内障眼底画像に対応するHeatマップは,大血管と小血管のレンズと部分を強調した。そして,白内障画像に対応する3種類の熱地図の透明度は,穏やかで,中等度で,重度であった。結果は,著者らのアプローチが正確な安定性を保つことができて,白内障検出のために解釈可能性を増やすことができることを証明して,それは医療現場においてすべての眼底画像診断に一般化することもできた。Copyright 2019 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 血管 ,  可視化 ,  粉化 ,  透明度 ,  医用画像 ,  *白内障 ,  レンズ ,  診断 ,  モデル ,  画像 ,  *学習
準シソーラス用語： 医療現場 ,  小血管 ,  眼底写真 ,  視覚障害 , 【Automatic Indexing@JST】

著者キーワード (5件)： 白内障の検出 ,  解釈可能な学習 ,  結果指向説明 ,  カム ,  ヒートマップ

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 学習 ,  白内障 ,  説明