文献

J-GLOBAL ID：202002232136077344   整理番号：20A2273196

BR-GAN:乳房撮影分類のための両側残差生成敵対ネットワーク【JST・京大機械翻訳】

BR-GAN: Bilateral Residual Generating Adversarial Network for Mammogram Classification

著者 (8件)： Wang Chu-ran (Center for Data Science, Peking University, Beijing, China) ,  Wang Chu-ran (Advanced Institute of Information Technology, Peking University, Hangzhou, China) ,  Wang Chu-ran (Deepwise AI Lab, Beijing, China) ,  Zhang Fandong (Center for Data Science, Peking University, Beijing, China) ,  Yu Yizhou (Deepwise AI Lab, Beijing, China) ,  Wang Yizhou (Advanced Institute of Information Technology, Peking University, Hangzhou, China) ,  Wang Yizhou (Center on Frontiers of Computing Studies, Peking University, Beijing, China) ,  Wang Yizhou (Department of Computer Science, Peking University, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12262  ページ： 657-666  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 画像レベルアノテーションのみによる乳房撮影悪性分類は,病変アノテーションの欠如のため困難である。疾患データの健康なバージョンを発生できるならば,病変の特徴を容易に探索できる。そのような生成の直感的アイデアは,既存のサイクル-GANベースの方法を使用することである。それらは,参照領域として健康な画像に関する健全な生成を達成し,一方,サイクル一貫性機構によって元のコンテンツを維持する。しかし,健康なマンモグラムパターンは多様であり,不確かな世代につながる可能性がある。さらに,健康からオリジナルへの逆翻訳は,病変情報の欠如により不良設定問題である。これらの問題に取り組むために,著者らは両側残差生成敵対ネットワーク(BR-GAN)と呼ばれる新しいモデルを提案した。基本フレームワークとしてCycle-GANを使用し,一方,両側対称性に基づく発生参照として対側に関して対する。不良設定逆変換問題に取り組むために,元の特徴から病変特徴を保存するために,残差保存機構を提案する。生成された特徴および元の特徴を,更なる分類のために集約した。BR-GANは,INBrastと社内データセットに関する最新の最新技術より優れている。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 対称性 ,  *ネットワーク ,  *残差 ,  逆変換 ,  *乳房撮影 ,  アノテーション ,  コンテンツ

著者キーワード (3件)： 乳房撮影分類 ,  ドメイン知識 ,  サイクル一貫性機構

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

タイトルに関連する用語 (6件)： Br ,  GaN ,  乳房撮影 ,  分類 ,  残差 ,  敵対