文献

J-GLOBAL ID：201902263288810957   整理番号：19A1603193

モバイルデバイスにおける実時間糖尿病足潰瘍検出と局在化のためのロバストな方法【JST・京大機械翻訳】

Robust Methods for Real-Time Diabetic Foot Ulcer Detection and Localization on Mobile Devices

著者 (4件)： Goyal Manu (School of Computing, Mathematics and Digital Technology, Manchester Metropolitan University, Manchester, U.K.) ,  Reeves Neil D. (Professor of musculoskeletal biomechanics with the Research Centre for Musculoskeletal Science & Sports Medicine, School of Healthcare Science, Faculty of Science and Engineering, Manchester Metropolitan University, Manchester, U.K.) ,  Rajbhandari Satyan (Lancashire Teaching Hospital, Preston, U.K.) ,  Yap Moi Hoon (School of Computing, Mathematics and Digital Technology, Manchester Metropolitan University, Manchester, U.K.)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 23  号： 4  ページ： 1730-1741  発行年： 2019年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  資料種別： 逐次刊行物 (A)
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： 糖尿病性足潰瘍(DFU)スクリーニングのための現在の実践は,ポジアトリストによる検出と局在化を含んでいる。既存の自動化ソリューションは,セグメンテーションまたは分類に焦点を合わせる。本研究では,実時間DFU位置決めのための深い学習法を設計した。ロバストな深い学習モデルを作るために,DFUの1775の画像の広範なデータベースを収集した。2人の医療専門家は,アノテーションソフトウェアによるDFUの関心領域を概説することにより,このデータセットの地上信頼性を生み出した。5回の交差検証を用いて,2層移動学習を用いたIncepitionV2モデルによる全体的に,より速いR-CNNは91.8%の平均精度,単一画像を推論するための48msの速度,57.2MBのモデルサイズを達成した。実時間予測に対する本解法のロバスト性と実用性を実証するために,NVIDIA Jetson TX2とスマートフォンappに関するモデルの性能を評価した。本研究では,DFUの実時間局在化における深い学習の能力を実証した。これは,より広範なデータセットによりさらに改善できる。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： スマートフォン ,  アノテーション ,  予測 ,  *ロバスト性 ,  ソフトウェア ,  *糖尿病 ,  位置決め ,  学習 ,  画像 ,  スクリーニング ,  自動化 ,  セグメンテーション
準シソーラス用語： *局在化 ,  *足部潰瘍 ,  *実時間 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： モバイルデバイス ,  実時間 ,  糖尿病 ,  足潰瘍 ,  局在化 ,  ロバスト