文献

J-GLOBAL ID：201902225252704886   整理番号：19A1119062

相乗的深層学習を用いたダーモスコピー画像における皮膚病変分類【JST・京大機械翻訳】

Skin Lesion Classification in Dermoscopy Images Using Synergic Deep Learning

著者 (4件)： Zhang Jianpeng (School of Computer Science and Engineering, Northwestern Polytechnical University, Xi’an, People’s Republic of China) ,  Xie Yutong (School of Computer Science and Engineering, Northwestern Polytechnical University, Xi’an, People’s Republic of China) ,  Wu Qi (School of Computer Science, University of Adelaide, Adelaide, SA, Australia) ,  Xia Yong (School of Computer Science and Engineering, Northwestern Polytechnical University, Xi’an, People’s Republic of China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11071  ページ： 12-20  発行年： 2018年 
JST資料番号： H0078D  ISSN： 0302-9743  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： ダーモスコピー画像における自動皮膚病変分類は,診断性能を改善し,メラノーマ死を減少させるための不可欠な方法である。深い学習は,画像分類において,手書き特徴に依存する伝統的な方法に対する証明された利点を示しているが,有意なクラス内変動とクラス間類似性により皮膚病変を分類することは困難である。本論文では,二重深畳込みニューラルネットワーク(DCNNs)を使用するだけでなく,互いに相互に学習することを可能にする,この問題に対処するために,協調的な深い学習(SDL)モデルを提案した。具体的には,完全に接続された構造を持ち,入力画像の対が同じクラスに属するかどうかを予測するために,両方のDCNNによって学習された画像表現を協調ネットワークの入力として連結する。著者らは,各DCNNにおける分類誤差の監視と共同誤差の下で,エンドツーエンド方式においてSDLモデルを訓練した。著者らは,著者らのSDLモデルをISIC2016Skin Lesion分類データセットに関して評価して,最先端の性能を達成した。Copyright 2018 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *皮膚障害 ,  黒色腫 ,  *画像 ,  エンドツーエンド方式 ,  類似性 ,  ネットワーク ,  *学習 ,  死
準シソーラス用語： 画像表現 ,  畳込みニューラルネットワーク ,  手書き ,  画像分類 ,  *ダーモスコピー ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層学習 ,  ダーモスコピー ,  皮膚病変 ,  分類