文献

J-GLOBAL ID：201902228650233512   整理番号：19A1606082

乳房DCE-MRIからの弱く監視された病変検出のためのモデルAgnostic顕著性【JST・京大機械翻訳】

Model Agnostic Saliency For Weakly Supervised Lesion Detection From Breast DCE-MRI

著者 (5件)： Maicas Gabriel (School of Computer Science, The University of Adelaide, Australian Institute for Machine Learning) ,  Snaauw Gerard (School of Computer Science, The University of Adelaide, Australian Institute for Machine Learning) ,  Bradley Andrew P. (Science and Engineering Faculty, Queensland University of Technology) ,  Reid Ian (School of Computer Science, The University of Adelaide, Australian Institute for Machine Learning) ,  Carneiro Gustavo (School of Computer Science, The University of Adelaide, Australian Institute for Machine Learning)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISBI  ページ： 1057-1060  発行年： 2019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： 深い学習モデル(DLM)によって提供される決定を解釈する方法についての議論があり,そこでは,主なアプローチはDLM分類プロセスを解釈するための顕著な領域の可視化に依存している。しかしながら,これらのアプローチは,一般的に医用画像からの病変検出の問題に対する3つの条件を満たすことができない。1)病変を伴う画像に対しては,病変を含まない画像に対しては,顕著な領域は発生せず,3)病変は比較的滑らかな境界を伴って一般的に小さい。著者らは,上記の条件を組み込んだ顕著性の新しい定義によって支持されたDLM分類決定を解釈するために,新しいモデル-agnosticパラダイムを提案した。著者らのモデル認識1クラス顕著性検出器(MASD)を,DCE-MRIからの弱く監督された乳房病変検出に関してテストして,現在の可視化方法と比較したとき,最先端の検出精度を達成した。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： 学習モデル ,  *乳房 ,  医用画像 ,  画像 ,  検出器 ,  可視化
準シソーラス用語： 検出精度 ,  *病巣 ,  *DCE-MRI , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 乳房 ,  DCE-MRI ,  病変 ,  モデル