文献

J-GLOBAL ID：201902258523912371   整理番号：19A2423855

超深部CNNを用いた緑内障疾患を検出するためのGUIの開発【JST・京大機械翻訳】

Development of a GUI to Detect Glaucomatic Diseases Using Very Deep CNNs

著者 (3件)： Pavithra G. (VTU Regional Resource Centre, Belagavi, Karnataka, India) ,  Manjunath T. C. (Electronics Communication Engineering Department, Dayananda Sagara College of Engineering, Bangalore, Karnataka, India) ,  Kesar T. N. (ECE Department, DSCE, Bangalore, Karnataka, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 581  ページ： 141-148  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  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： ヒトにおける致命的な疾患の1つは,世界における2番目に大きい疾患である緑内障であり,人間の眼における視覚の損失をもたらし,従って,人間の誤erの生活をもたらし,全体の世界は視覚なしで暗くなる。最近,(DL)Deep学習は画像処理応用において多くの重要な役割を果たしている。このDLは,ハードウェアRaspberry Piに沿ったCNN(Convolution人工神経回路網)によりクラブでき,そして,糸のハイブリッド組合せは,眼における疾患に影響されたヒトにおける緑内障症例の自動検出に用いることができた。本論文では,以前に言及したハイブリッドねじを用いて,緑内障検出のために開発した。DLフレームワーク(CNN+ANN+MATLAB)は,疾患検出のためのb/w緑内障と非緑内障画像を区別するための眼底画像の階層的表現として使用できる。このモデルをネット上で利用可能な標準データセットで訓練した。VGG19アーキテクチャを,高精度を達成するために,伝達学習を用いて用いた。グラフィカルユーザインタフェイスを用いて,テスト画像の条件を診断し,患者の図式解析を行った。全体のプログラムは,5つの「LCDタッチスクリーン」を持つRaspberry Pi 3B上で,電力入力を持つ独立したデバイスとして実行される。Copyright 2020 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： GUI【計算機】 ,  電力 ,  ハードウェア ,  *緑内障 ,  画像処理 ,  学習 ,  シミュレーション ,  計算機アーキテクチャ ,  ヒト ,  視覚 ,  ニューラルネットワーク ,  画像 ,  タッチスクリーン
準シソーラス用語： 高精度 ,  自動検出 , 【Automatic Indexing@JST】

著者キーワード (9件)： 畳み込みニューラルネットワーク ,  コンピュータビジョン ,  Mnist ,  Keras ,  python ,  分類器 ,  シミュレーション ,  結果 ,  ANN

分類 (1件)： 眼の診断  (GP02000N)

タイトルに関連する用語 (6件)： 深部 ,  CNN ,  緑内障 ,  疾患 ,  GUI ,  開発