文献

J-GLOBAL ID：202002252076814345   整理番号：20A1635315

非同期並列Bayes最適化に基づくスーパーコンピュータシステムにおける医用画像による深層学習のための訓練環境の開発【JST・京大機械翻訳】

Development of training environment for deep learning with medical images on supercomputer system based on asynchronous parallel Bayesian optimization

著者 (15件)： Nomura Yukihiro (Department of Computational Diagnostic Radiology and Preventive Medicine, The University of Tokyo Hospital, Tokyo, Japan) ,  Sato Issei (Department of Complexity Science and Engineering, Graduate School of Frontier Sciences, The University of Tokyo, Tokyo, Japan) ,  Sato Issei (Center for Advanced Intelligence Project, RIKEN, Tokyo, Japan) ,  Sato Issei (Department of Radiology, The University of Tokyo Hospital, Tokyo, Japan) ,  Hanawa Toshihiro (Information Technology Center, The University of Tokyo, Tokyo, Japan) ,  Hanaoka Shouhei (Department of Radiology, The University of Tokyo Hospital, Tokyo, Japan) ,  Nakao Takahiro (Department of Radiology, The University of Tokyo Hospital, Tokyo, Japan) ,  Takenaga Tomomi (Department of Computational Diagnostic Radiology and Preventive Medicine, The University of Tokyo Hospital, Tokyo, Japan) ,  Takenaga Tomomi (Department of Radiological Sciences, Ibaraki Prefectural University of Health Sciences, Ibaraki, Japan) ,  Hoshino Tetsuya (Information Technology Center, The University of Tokyo, Tokyo, Japan) ,  Sekiya Yuji (Information Technology Center, The University of Tokyo, Tokyo, Japan) ,  Miki Soichiro (Department of Computational Diagnostic Radiology and Preventive Medicine, The University of Tokyo Hospital, Tokyo, Japan) ,  Yoshikawa Takeharu (Department of Computational Diagnostic Radiology and Preventive Medicine, The University of Tokyo Hospital, Tokyo, Japan) ,  Hayashi Naoto (Department of Computational Diagnostic Radiology and Preventive Medicine, The University of Tokyo Hospital, Tokyo, Japan) ,  Abe Osamu (Department of Radiology, The University of Tokyo Hospital, Tokyo, Japan)
資料名： Journal of Supercomputing  (Journal of Supercomputing)
巻： 76  号： 9  ページ： 7315-7332  発行年： 2020年 
JST資料番号： T0418A  ISSN： 0920-8542  資料種別： 逐次刊行物 (A)
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,深層学習が医用画像解析の分野で利用されている。しかしながら,医用画像による深層学習モデルの訓練は,ほとんどの医用画像データが三次元体積または高分解能二次元画像であるため,時間がかかる。さらに,多数のハイパーパラメータの最適化は深層学習の性能に強く影響する。スーパーコンピュータシステムに関するハイパーパラメータ最適化による深層学習を訓練するためのフレームワークを実現できれば,医用画像による深層学習の訓練を加速することが期待される。本研究では,非同期並列Bayes最適化に基づく著者らの研究所(Reedbush-Hスーパーコンピュータシステム)におけるスーパーコンピュータシステムに関する医用画像による深層学習を訓練するための新しい環境を記述した。構築した環境において2種類の自動病変検出アプリケーションを訓練した。構築した環境は,短時間にハイパーパラメータチューニングで深層学習を訓練することを可能にする。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  同調 ,  応用プログラム ,  *医用画像 ,  三次元 ,  高分解能 ,  *スーパコンピュータ
準シソーラス用語： 二次元画像 ,  医用画像解析 ,  ハイパーパラメータ ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  非同期並列Bayes最適化 ,  ハイパーパラメータ最適化 ,  医用画像

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 非同期 ,  Bayes最適化 ,  スーパーコンピュータ ,  医用画像 ,  深層学習 ,  訓練 ,  環境 ,  開発