文献

J-GLOBAL ID：202002254716010605   整理番号：20A1957278

転移学習を用いた胸部X線間の肺炎の分類【JST・京大機械翻訳】

Classifying Pneumonia among Chest X-Rays Using Transfer Learning

著者 (6件)： Irfan Abdullah (University of Waterloo,Systems Design Engineering,Waterloo,ON,Canada,N2L 3G1) ,  Adivishnu Akash L. (University of Waterloo,Systems Design Engineering,Waterloo,ON,Canada,N2L 3G1) ,  Sze-To Antonio (University of Waterloo,Kimia Lab,Waterloo,ON,Canada,N2L 3G1) ,  Dehkharghanian Taher (University of Ontario Institute of Technology,NICI Lab,Oshawa,ON,Canada,L1G 0C5) ,  Rahnamayan Shahryar (University of Ontario Institute of Technology,NICI Lab,Oshawa,ON,Canada,L1G 0C5) ,  Tizhoosh H.R. (University of Waterloo,Kimia Lab,Waterloo,ON,Canada,N2L 3G1)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EMBC  ページ： 2186-2189  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： 胸部X線撮影は,肺炎を診断するための選択の様式になった。しかし,胸部X線画像を解析することは,退屈で,時間がかかり,より開発されていない地域で利用できないかもしれない専門知識を必要とする可能性があり,従って,コンピュータ支援診断システムが必要である。最近,深層学習に基づく多くの分類システムが提案されてきた。それらの成功にもかかわらず,深いネットワークのための高い開発コストはまだ展開のためのハードルである。深層転送学習(または,単に移動学習)は,訓練されたモデルからアーキテクチャを借り,次に,いくつかの層のわずかな微調整によって,開発コストを削減するメリットを持っている。それにもかかわらず,深部移動学習が医療環境におけるスクラッチからの訓練に有効であるかどうかは,多くの応用に対する研究課題のままである。本研究では,胸部X線画像間の肺炎を分類するための深層移動学習の使用を検討した。実験結果は,わずかな微調整で,深い移動学習が,スクラッチからの訓練を超える性能利点をもたらすことを実証した。3つのモデル,ResNet-50,開始V3および高密度Netet121を,移動学習およびスクラッチから別々に訓練した。前者は,後者で得られたものより,曲線(AUC)下で4.1%から52.5%大きな面積を達成し,胸部X線画像における肺炎を分類するための深層移動学習の有効性を示唆した。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： *学習 ,  ネットワーク ,  *肺炎 ,  深層 ,  有効性 ,  計算機アーキテクチャ
準シソーラス用語： *胸部X線撮影 ,  胸部X線画像 ,  *転移学習 ,  深層学習 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： 転移学習 ,  胸部X線 ,  肺炎 ,  分類