文献

J-GLOBAL ID：202002237742956671   整理番号：20A1957010

BoostCaps:脳腫瘍分類のためのブーストカプセルネットワーク【JST・京大機械翻訳】

BoostCaps: A Boosted Capsule Network for Brain Tumor Classification

著者 (3件)： Afshar Parnian (Concordia University,Concordia Institute for Information System Engineering (CIISE),Montreal,QC,Canada,H3G 1M8) ,  Plataniotis Konstantinos N. (University of Toronto,Department of Electrical and Computer Engineering,Toronto,ON,Canada) ,  Mohammadi Arash (Concordia University,Concordia Institute for Information System Engineering (CIISE),Montreal,QC,Canada,H3G 1M8)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EMBC  ページ： 1075-1079  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： 脳腫瘍は死亡癌であり,その効果的治療は腫瘍型の正確な診断に部分的に依存する。脳腫瘍分類において最先端である畳込みニューラルネットワーク(CNN)は,画像における空間関係を同定することに失敗する。この欠点を克服するために提案されたカプセルネットワークは,誤細胞背景に敏感であり,主なターゲットに焦点を合わせることができない。この短所に対処するために,著者らは最近,入力として脳画像と腫瘍粗境界ボックスの両方をとることができるカプセルネットワークベースのアーキテクチャを提案し,また,周辺組織および主ターゲットにアクセスした。しかし,他のアーキテクチャと同様に,このネットワークは,最適アーキテクチャを見つけるため,全ての可能な構成空間内で大規模な探索を必要とする。この必要性を排除するために,本研究では,ブースCapsと呼ばれるブーストカプセルネットワークを提案し,それは,モデルを徐々にブースティングすることにより,弱い学習者を処理するためのブースティング法の能力を利用した。BoosCapsは,著者らの知る限り,内部ブースティング機構を組み込んだ最初のカプセルネットワークモデルである。結果は,提案したBoostCapsフレームワークが単一カプセルネットワーク対応物より優れていることを示した。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： *ネットワーク ,  カプセル ,  死 ,  *腫瘍 ,  *脳腫瘍 ,  計算機アーキテクチャ ,  畳込みニューラルネットワーク
準シソーラス用語： 学習者 ,  脳画像 ,  ブースティング , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R)

タイトルに関連する用語 (2件)： 脳腫瘍 ,  分類