文献

J-GLOBAL ID：201902220162541503   整理番号：19A0516519

超音波画像のための転送学習とFCNETに基づく肝線維症分類【JST・京大機械翻訳】

Liver Fibrosis Classification Based on Transfer Learning and FCNet for Ultrasound Images

著者 (6件)： Meng Dan (MOE Research Center for Software/Hardware Co-Design Engineering, East China Normal University, Shanghai, China) ,  Zhang Libo (Chinese Academy of Sciences, Institute of Software, Beijing, China) ,  Cao Guitao (MOE Research Center for Software/Hardware Co-Design Engineering, East China Normal University, Shanghai, China) ,  Cao Wenming (College of Information Engineering, Shenzhen University, Shenzhen, China) ,  Zhang Guixu (School of Computer Science and Software Engineering, East China Normal University, Shanghai, China) ,  Hu Bing (Department of Ultrasound, Shanghai Jiaotong University Affiliated Sixth People’s Hospital, Shanghai, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 5804-5810  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 診断超音波は診断精度とロバスト性において大きな改善を提供する。しかし,超音波画像の品質が機械設定,超音波の特性,超音波と体組織の間の相互作用,および他の制御不能因子によって容易に影響されるので,主観的で均一な診断をすることは困難である。本論文では,VGGNetを用いた移動学習(TL)と完全接続ネットワーク(FCNet)と呼ばれる深い分類器に基づく新しい肝線維症分類法を提案した。不十分なサンプルの場合,TL戦略を用いて抽出された深い特徴は,十分な分類情報を提供することができる。これらの深い特徴は,異なる肝線維症状態の分類のためにFCNetに送られる。このフレームワークにより,試験はFCNetと組み合わせた著者らの深い特徴が,他の方法と比較したとき,最も正確な予測モデルの構築を可能にするための適切な情報を提供できることを示した。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： *肝線維症 ,  ロバスト性 ,  相互作用 ,  *超音波 ,  ネットワーク ,  品質 ,  診断 ,  *超音波画像 ,  *学習 ,  予測モデル
準シソーラス用語： 分類法 ,  診断精度 , 【Automatic Indexing@JST】

分類 (2件)： 医用画像処理  (JE04020T) ,  音響信号処理  (BB03050C)

タイトルに関連する用語 (5件)： 音波画像 ,  転送 ,  学習 ,  肝線維症 ,  分類