文献

J-GLOBAL ID：201902258010421201   整理番号：19A2422713

皮膚病変分類のための相互学習モデル【JST・京大機械翻訳】

Mutual Learning Model for Skin Lesion Classification

著者 (5件)： Wang Yanan (Harbin Engineering University, Harbin, People’s Republic of China) ,  Pan Haiwei (Harbin Engineering University, Harbin, People’s Republic of China) ,  Yang Bin (Harbin Engineering University, Harbin, People’s Republic of China) ,  Bian Xiaofei (Harbin Engineering University, Harbin, People’s Republic of China) ,  Cui Qianna (Harbin Engineering University, Harbin, People’s Republic of China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1059  ページ： 214-222  発行年： 2019年 
JST資料番号： W5071A  ISSN： 1865-0929  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皮膚病変分類は,診断性能の改善とメラノーマ死の減少に大きな機能を及ぼす。この皮膚病変分類課題は課題のままである。深い学習は多くの訓練データを必要とし,皮膚病変の分類アルゴリズムには一定の限界がある。これらの2つのポイントは,皮膚病変分類の精度をさらに改善する必要がある。本論文では,皮膚データセットを用いて良性皮膚病変から悪性を分離するための相互学習モデルを提示した。このモデルは,互いに相互に学習するために,二重の深い畳込みニューラルネットワークを可能にした。ISIC2016Skin Lesion分類データセットに関する実験結果は,相互学習モデルが最も進歩した性能を得ることを示した。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： 黒色腫 ,  *皮膚障害 ,  死 ,  画像
準シソーラス用語： 畳込みニューラルネットワーク ,  分類アルゴリズム ,  訓練データ ,  ダーモスコピー ,  *協調学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 皮膚病変分類 ,  深層学習 ,  相互学習モデル

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 皮膚病変 ,  分類 ,  学習モデル