文献

J-GLOBAL ID：202002230472642410   整理番号：20A2322667

CT画像における肺結節分類のための3D CNNにおけるデータバランス技術の評価【JST・京大機械翻訳】

Evaluation of data balancing techniques in 3D CNNs for the classification of pulmonary nodules in CT images

著者 (6件)： Barbosa Lima Thiago Jose (Federal University of Piaui ́,Electrical Engineering,Teresina,PI,Brazil) ,  Duarte de Araiujo Flavio Henrique (Federal University of Piaui ́,Electrical Engineering,Teresina,PI,Brazil) ,  de Carvalho Filho Antonio Oseas (Federal University of Piaui ́,Electrical Engineering,Teresina,PI,Brazil) ,  de Andrade Lira Rabelo Ricardo (Federal University of Piaui ́,Computer Science,Teresina,PI,Brazil) ,  de Melo Souza Veras Rodrigo (Federal University of Piaui ́,Computer Science,Teresina,PI,Brazil) ,  Joseph Mathew Mano (Ecole d’inge ́nieur ge ́ne ́raliste en informatique et technologies du nume ́rique,Paris,France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ISCC  ページ： 1-6  発行年： 2020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： 肺癌は世界で最も一般的な癌であり,早期検出と診断はより多くの治療選択肢と生存のはるかに大きな機会を可能にする。本研究では,コンピュータ断層撮影画像における良性または悪性として肺結節を分類するために,3D畳込みニューラルネットワーク(CNN)に基づくアルゴリズムを提案した。異なる入力サイズと畳込み層数を含む3D CNNの3つのアーキテクチャを提案した。さらに,不均衡データの問題に対処するために,ネットワーク訓練コスト関数におけるデータ増強技術と修正を研究した。最良の結果は,32×32・32画素の入力サイズ,畳み込み層と2つのプール層の2つのブロックのために達成された。また,コスト機能の改変は,悪性結節検出中の試験セットにおいて,0.9188の精度,0.8019のカッパ,0.8481の感度,0.9479の特異性,および0.8980のAUCで,有望な結果を達成した。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 ,  畳込み ,  ネットワーク ,  費用関数 ,  画素 ,  *三次元 ,  計算機アーキテクチャ ,  肺腫瘍 ,  計算機トモグラフィー
準シソーラス用語： *CT画像 ,  特異性 ,  *肺結節 ,  治療法選択 ,  不均衡データ ,  畳込みニューラルネットワーク , 【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 (7件)： CT画像 ,  肺結節 ,  分類 ,  3D ,  CNN ,  バランス ,  評価