文献

J-GLOBAL ID：201902228739355311   整理番号：19A2603832

畳込みニューラルネットワークアンサンブルを用いた血液癌画像の分類【JST・京大機械翻訳】

Classification of blood cancer images using a convolutional neural networks ensemble

著者 (4件)： Ma Kaiqiang (Hangzhou Dianzi Univ. (China)) ,  Sun Lingling (Hangzhou Dianzi Univ. (China)) ,  Wang Yaqi (Hangzhou Dianzi Univ. (China)) ,  Wang Junchao (Hangzhou Dianzi Univ. (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11179  ページ： 1117903-6  発行年： 2019年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,B-ALL白血癌顕微鏡画像における正常対悪性細胞の分類のタスクに対するISBI 2019 Challengeに対する著者らの提出の方法を提示した。畳込みニューラルネットワークをいくつかの最先端技術と組み合わせることを目的とした。具体的には,このタスクのためにResNetとDenseNetを含む事前訓練された深い学習ネットワークを微調整した。過剰適合はこの挑戦の主要な問題の一つである。著者らは,著者らの深いニューラルネットワークの性能に及ぼす重要な影響を有する,勾配ノルムクリッピングと再スタートによる余弦アニーリング学習速度スケジュールを用いることによって,オーバーフィッティングを解決した。さらに重要なことに,適応プール層を著者らのモデルに用いた。この修正により,モデルは任意のサイズの画像に適応できる。深いモデルの集合は,試験サーバによって報告された予備試験セットにおいて,0.8570の加重f1スコアを達成した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *画像 ,  学習 ,  *ニューラルネットワーク ,  焼なまし ,  *ネットワーク
準シソーラス用語： スコア ,  加重 ,  学習速度 ,  微調整 ,  最先端技術 ,  顕微鏡画像 ,  血液癌 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  アンサンブル ,  血液癌 ,  分類