文献

J-GLOBAL ID：202002219986081513   整理番号：20A2636167

SynCGAN:細胞学的画像上の分類器性能を改善するための合成データ生成のための学習可能なクラス固有事前の使用【JST・京大機械翻訳】

SynCGAN: Using Learnable Class Specific Priors to Generate Synthetic Data for Improving Classifier Performance on Cytological Images

著者 (6件)： Dey Soumyajyoti (Jadavpur University, Kolkata, WB, India) ,  Das Soham (Jadavpur University, Kolkata, WB, India) ,  Ghosh Swarnendu (Jadavpur University, Kolkata, WB, India) ,  Mitra Shyamali (Jadavpur University, Kolkata, WB, India) ,  Chakrabarty Sukanta (Theism Medical Diagnostics Centre, Kolkata, India) ,  Das Nibaran (Jadavpur University, Kolkata, WB, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1249  ページ： 32-42  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  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： 医用画像解析の最も挑戦的な側面の一つは,大量の注釈付きデータの欠如である。これにより,入力空間の変動の欠如により,深い学習アルゴリズムがうまく機能することが困難である。生成的敵対ネットワークは合成データ生成の分野で有望であるが,発生手順がうまく実行できない前に注意深く設計されていない。提案した手法では,細胞学画像のための病理学-現実的サンプルの生成のための条件付きGANを導くための学習可能なクラス特異的事前として,自動的に生成されたセグメンテーションマスクの使用を実証した。「SynCGAN」と呼ばれる提案したパイプラインを用いたデータの増強は,ResNet-152,高密度Net-161,Inception-V3のような最新の分類器の状態の性能を改善することを観測した。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  セグメンテーション ,  ネットワーク ,  学習アルゴリズム ,  アノテーション ,  *細胞生物学

著者キーワード (4件)： 条件付き生成敵対ネットワーク(CGAN) ,  合成データ生成 ,  細胞診画像分類 ,  深層学習

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 細胞学 ,  分類器 ,  合成データ ,  学習 ,  クラス ,  固有