文献

J-GLOBAL ID：201902269138536353   整理番号：19A1111674

深部畳込みニューラルネットワークを訓練するための胸部X線病理学の合成【JST・京大機械翻訳】

Synthesizing Chest X-Ray Pathology for Training Deep Convolutional Neural Networks

著者 (5件)： Salehinejad Hojjat (Department of Electrical and Computer Engineering, University of Toronto, Toronto, Canada) ,  Colak Errol (Department of Medical Imaging, St. Michael’s Hospital, Toronto, Canada) ,  Dowdell Tim (Department of Medical Imaging, St. Michael’s Hospital, Toronto, Canada) ,  Barfett Joseph (Department of Medical Imaging, St. Michael’s Hospital, Toronto, Canada) ,  Valaee Shahrokh (Department of Electrical and Computer Engineering, University of Toronto, Toronto, Canada)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 38  号： 5  ページ： 1197-1206  発行年： 2019年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  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： 医療データセットは,しばしば,一般的条件の過剰表現とまれな医療条件の不十分な表現と非常に不均衡である。プライバシーの懸念により,ヘルスケア施設間の大きなデータセットを集約することは挑戦的である。これらの課題を克服する手段として医用画像における病理を合成することを提案した。著者らは,中程度のサイズのラベル付けデータセットに基づいて合成された胸部X線を作成するために,深い畳込み型の発生的なadversネットワーク(DCGAN)を実装した。胸部X線の5つのクラスにわたる病理学を検出するために,深部畳込み神経回路網(DCNNs)を訓練するために,実画像と合成画像の組合せを用いた。実際の画像と合成画像の組合せで訓練されたDCNNの比較研究は,これらのネットワークが病理学分類において実際の画像だけで訓練された類似のネットワークより性能が優れていることを示した。この改善された性能は,DCGAN合成画像を用いたデータセットのバランスによるものであり,例えば,画像に欠けているクラスが優先的に拡張されている。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： 医用画像 ,  *ネットワーク ,  神経回路網 ,  *畳込み ,  *病理 ,  画像 ,  プライバシー
準シソーラス用語： 合成画像 ,  不均衡 ,  *胸部X線撮影 ,  *畳込みニューラルネットワーク , 【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 (5件)： 深部 ,  畳込みニューラルネットワーク ,  訓練 ,  胸部X線 ,  病理学