文献

J-GLOBAL ID：202002245294668528   整理番号：20A2274459

解剖学的ランドマーク検出のためのクロスタスク表現学習【JST・京大機械翻訳】

Cross-Task Representation Learning for Anatomical Landmark Detection

著者 (4件)： Fu Zeyu (Department of Engineering Science, University of Oxford, Oxford, UK) ,  Jiao Jianbo (Department of Engineering Science, University of Oxford, Oxford, UK) ,  Suttie Michael (Nuffield Department of Women’s and Reproductive Health, University of Oxford, Oxford, UK) ,  Noble J. Alison (Department of Engineering Science, University of Oxford, Oxford, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12436  ページ： 583-592  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： 最近,その後の医用画像分析を容易にするために豊富な構造情報を提供する解剖学的ランドマークを自動的に検出する需要が高まっている。このタスクに関連した現在の方法は,しばしば深いニューラルネットワークの電力を利用するが,医療応用におけるそのようなモデルの微調整における大きな課題は,不十分な数のラベル付きサンプルから生じる。これに対処するために,交差タスク表現学習を通してソースとターゲットタスクを横断して知識転送を正則化することを提案する。胎児アルコール症候群の診断を容易にする顔の解剖学的ランドマークを抽出するための提案した方法を示した。本研究のソースとターゲットタスクは,それぞれ顔認識とランドマーク検出である。提案方法の主なアイデアは,目標タスクデータに関するソースモデルの特徴表現を保持して,ターゲットモデル学習を正則化するための監視信号の付加的ソースとしてそれらを活用して,それによって,限られた訓練サンプルの下でその性能を向上することである。具体的には,目標モデルに関する最終または中間モデル特徴のいずれかを制約することによって,提案した表現学習のための2つのアプローチを提示する。臨床顔画像データセットに関する実験結果は,提案アプローチが少数のラベル付きデータでよく機能し,他の比較手法よりも性能が優れていることを示した。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： 電力 ,  ニューラルネットワーク ,  監視信号 ,  *正則化 ,  顔画像
準シソーラス用語： *表現学習 , 【Automatic Indexing@JST】

著者キーワード (2件)： 解剖学的ランドマーク検出 ,  知識移転

分類 (4件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 解剖学的ランドマーク ,  タスク ,  表現学習