文献

J-GLOBAL ID：201902260408667360   整理番号：19A1310686

HIC-NET:組織病理学的乳房画像の分類のための深部畳込みニューラルネットワークモデル【JST・京大機械翻訳】

HIC-net: A deep convolutional neural network model for classification of histopathological breast images

著者 (2件)： OEztuerk Saban (Department of Electrical and Electronics Engineering, Amasya University, Amasya, 05001, Turkey) ,  Akdemir Bayram (Department of Electrical and Electronics Engineering, Selcuk University, Konya, 42030, Turkey)
資料名： Computers and Electrical Engineering  (Computers and Electrical Engineering)
巻： 76  ページ： 299-310  発行年： 2019年 
JST資料番号： D0546B  ISSN： 0045-7906  CODEN： CPEEBQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,全スライド組織病理画像(WSI)上の癌領域を自動的に同定するために,畳込みニューラルネットワーク(CNN)モデルを提示した。提案したWSI分類ネットワーク(HICネット)アーキテクチャは,WSIをある平面に分割することにより,ウィンドウベースの分類を実行する。著者らの方法では,画像部品のより良い予測可能性とより速い訓練のために,WSIのために効果的な前処理ステップを追加した。30,656画像を含む大規模データセットを用いて,HICネットアルゴリズムの評価を行った。これらの画像のうち,23040を訓練に用い,2560を検証に用い,5056を試験に用いた。HICネットは,97.7%のAUCスコアを有する他の最新のCNNアルゴリズムよりも,より成功した結果を有した。ソフトマックス関数を用いたHICネットの分類結果を評価すると,HICネット成功率は96.71%の感度,95.7%の特異性,96.21%の精度を有し,癌研究に使用される他の最先端技術よりも成功している。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算機アーキテクチャ ,  *画像 ,  前処理 ,  スライド ,  *ネットワーク ,  アルゴリズム ,  予測可能性
準シソーラス用語： 最先端技術 ,  特異性 ,  成功率 ,  スコア ,  大規模データセット ,  病理画像 ,  *畳込みニューラルネットワーク ,  *病理組織学 , 【Automatic Indexing@JST】

著者キーワード (5件)： 癌分類 ,  畳み込みニューラルネットワーク ,  CNN ,  病理組織像 ,  全スライド

分類 (2件)： 計算機網  (JC03000K) ,  電話・データ通信・交換一般  (ND11010T)

タイトルに関連する用語 (7件)： HIC ,  組織病理学 ,  乳房画像 ,  分類 ,  深部 ,  畳込みニューラルネットワーク ,  モデル