文献

J-GLOBAL ID：202002230806099241   整理番号：20A2770209

高密度ネットモデルに基づく癌画像分類【JST・京大機械翻訳】

Cancer image classification based on DenseNet model

著者 (5件)： Zhong Ziliang (New York University Shanghai, Shanghai, China) ,  Zheng Muhang (South China Agricultural University, Shenzhen, China) ,  Mai Huafeng (University of Arizona, Tucson, United States) ,  Zhao Jianan (University of California, La Jolla, United States) ,  Liu Xinyi (University of California, San Diego, La Jolla, United States)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1651  号： 1  ページ： 012143 (6pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： コンピュータ支援診断は医用画像ベースの検査のロバスト評価のための方法を確立する。画像処理は,不必要な費用を減らす間,疾患分類と検出を促進する有望な戦略を導入した。本論文では,より大きなディジタル病理学スキャンから撮影された小画像パッチにおける転移性癌を効果的に同定できる,高密度Netブロックに基づく新しい転移性癌画像分類モデルを提案した。著者らは,PatchCamelon(PCam)ベンチマークデータセットのわずかに修正したバージョンに対して提案した方法を評価した。データセットは,Kaggle競争によって提供されたPatchCamelon(PCam)ベンチマークデータセットのわずかに修正版であり,それは,直線フォワード二値画像分類タスクに転移検出の臨床的に適切なタスクをパックする。実験は,著者らのモデルがResnet34,Vgg19のような他の古典的方法より優れていることを示した。さらに,データ増強実験を行い,訓練と検証プロセス中のバッチ処理および損失値間の関係を調べた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： バッチ処理 ,  計算機診断 ,  画像処理 ,  ディジタル方式 ,  *医用画像 ,  ロバスト性 ,  二値画像
準シソーラス用語： 転移性腫瘍 ,  *画像分類 ,  疾病分類 ,  高密度 , 【Automatic Indexing@JST】

分類 (2件)： 医用画像処理  (JE04020T) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (4件)： ネット ,  モデル ,  癌 ,  画像分類