文献

J-GLOBAL ID：202002250959287611   整理番号：20A1854772

AI+医用画像-現場視点で解くその変革 画像診断領域でのAIへの今日的期待 画像領域におけるDeep learningの可能性と現時点での課題を解く

Potential and Perspective of Deep Learning in Medical Image

著者 (2件)： 谷川原綾子 (北海道科大 保健医療) ,  谷川原綾子 (北大 大学院保健科学研究院)
資料名： 月刊新医療  (新医療)
巻： 47  号： 9  ページ： 26-29  発行年： 2020年09月01日 
JST資料番号： X0159A  ISSN： 0910-7991  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 2011年頃から第3次人工知能ブームが始まり,その潮流におい...

シソーラス用語： ヒト ,...
準シソーラス用語： *AI診断 ,...

ログイン（無料）して見る     続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1854772&from=J-GLOBAL&jstjournalNo=X0159A") }}

分類 (2件)： 放射線を利用した診断  (GC04020K) ,  医用情報処理  (JE15030Q)

引用文献 (20件)：

• Esteva A, Robicquet A, Ramsundar B, et al. A guide to deep learning in healthcare. Nat Med. 2019;25(1) :24-29.
• Haenssle HA, Fink C, Schneiderbauer R, et al. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Ann Oncol. 2018;29(8) :1836-1842.
• Heydon P, Egan C, Bolter L, et al. Prospective evaluation of an artificial intelligence-enabled algorithm for automated diabetic retinopathy screening of 30 000 patients [published online ahead of print, 2020 Jun 30]. Br J Ophthalmol. 2020; bjophthalmol-2020-316594.
• Elsaid NMH, Wu YC. Super-Resolution Diffusion Tensor Imaging using SRCNN: A Feasibility Study. Conf Proc IEEE Eng Med Biol Soc. 2019;2019:2830-2834.
• Kobayashi H, Nakayama R, Hizukuri A, Ishida M, Kitagawa K, Sakuma H. Improving Image Resolution of Whole-Heart Coronary MRA Using Convolutional Neural Network. J Digit Imaging. 2020;33(2):497-503.

タイトルに関連する用語 (8件)： 医用画像 ,  現場 ,  視点 ,  画像診断 ,  AI ,  期待 ,  画像領域 ,  可能性