文献

J-GLOBAL ID：202002211629175854   整理番号：20A0962304

皮膚癌分類におけるCNN性能改善のためのGaN使用による合成医用画像の生成【JST・京大機械翻訳】

Generating Synthetic Medical Images by Using GAN to Improve CNN Performance in Skin Cancer Classification

著者 (3件)： Sedigh Pooyan (Science and Research Branch, Islamic Azad University,Department of Biomedical Engineering,Tehran,Iran) ,  Sadeghian Rasoul (Human and Robot Interaction Laboratory,Tehran,Iran) ,  Masouleh Mehdi Tale (Human and Robot Interaction Laboratory, School of Electrical and Computer Engineering, University of Tehran,Tehran,Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICRoM  ページ： 497-502  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 癌検出のための深い学習法の使用における遅い進歩の主な理由の一つは,データの欠如,特に教師つき学習アルゴリズムに通常用いられる注釈データである。本論文では,皮膚癌を検出するための概念的ニューラルネットワーク(CNN)を提示した。設計されたCNNアルゴリズムを訓練するために使用される一次データベースは,97のメンバー(50の良性と47の悪性)を持っている。それは,国際的皮膚画像収集(ISIC)から収集される。提案したCNNアルゴリズムを訓練するためのデータの欠如を補償するために,一般的な付加的ネットワーク(GAN)を設計して,合成皮膚癌画像を生成した。得られた合成画像のない設計された訓練されたCNNの分類性能は約53%であるが,合成画像を一次データベースに加えることにより,モデルの性能は71%に増加する。Copyright 2020 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： アルゴリズム ,  学習 ,  データベース ,  ネットワーク ,  ニューラルネットワーク ,  教師つき学習 ,  *窒化ガリウム ,  *医用画像 ,  *皮膚腫瘍 ,  アノテーション
準シソーラス用語： 合成画像 ,  がん検出 ,  画像収集 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 皮膚癌 ,  分類 ,  CNN ,  性能改善 ,  GaN ,  医用画像