文献

J-GLOBAL ID：202002256189940241   整理番号：20A2255546

白血球分類のための深層学習を用いた新規解:正則化と加重損失(ELFRWL)による損失関数の増強【JST・京大機械翻訳】

A Novel Solution of Using Deep Learning for White Blood Cells Classification: Enhanced Loss Function with Regularization and Weighted Loss (ELFRWL)

著者 (5件)： Basnet Jaya (School of Computing and Mathematics, Charles Sturt University, Sydney, Australia) ,  Alsadoon Abeer (School of Computing and Mathematics, Charles Sturt University, Sydney, Australia) ,  Prasad P. W. C. (School of Computing and Mathematics, Charles Sturt University, Sydney, Australia) ,  Aloussi Sarmad Al (Computer Technology and Information Management Department, Massasoit Community College, Brockton, MA, USA) ,  Alsadoon Omar Hisham (Department of Islamic Sciences, Al Iraqia University, Baghdad, Iraq)
資料名： Neural Processing Letters  (Neural Processing Letters)
巻： 52  号： 2  ページ： 1517-1553  発行年： 2020年 
JST資料番号： W0953A  ISSN： 1370-4621  CODEN： NPLEFG  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： 深層学習は,白血球(WBC)の分類に成功裏に適用されてきたが,精度と処理時間は,その完全な可能性を得るのに最適な妨害よりも少ないことが分かった。これは不均衡データセット,クラス内コンパクト性,クラス間分離性,過剰適合問題によるものである。主な研究アイデアは,修正損失関数を用いて,深層畳込みニューラルネットワーク(DCNN)アーキテクチャの使用を通して,処理時間を短縮しながら,血液画像の分類と予測精度を強化することである。提案システムは,正則化とともに修正損失関数を用いて分類精度を改善する深いニューラルコンボリューションネットワーク(DCNN)から成る。最初に,画像を前処理し,特徴抽出と分類のために異なる活性化機能を持つ異なる層を含むDCNNを通して供給した。正則化による修正損失関数と共に,不均衡データセットにより発生する誤差を補償するために,各クラスに属するサンプルの重みを考慮することによりWBCの分類に重み関数が支援された。処理時間を各画像で計数し,時間増強をチェックした。分類精度と処理時間をデータセットマスタを用いて達成した。提案した解法は,他の以前の方法と比較して,与えられたデータセットにおいてより良い分類性能を得た。提案したシステムは,96.1%から98.92%の分類精度と,0.354から0.216sまでの処理時間の減少を強化した。平均で13.5の時代の電流収束時間に対して9つの時代を有するモデル収束を達成するために,著者らの提案した解法によって,より少ない時間を必要として,その時代は,形成白色血液細胞(WBC)と粒状細胞の開発であった。提案した解決策は,重みを考慮して不均衡データセットに起因する悪影響を解決し,過剰適合問題に対する正則化技法を用いて,損失関数を修正した。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： 電流 ,  加工時間 ,  *損失関数 ,  *白血球 ,  前処理 ,  特徴抽出 ,  血球 ,  *正則化 ,  コンパクト性 ,  重み関数 ,  計算機アーキテクチャ
準シソーラス用語： 予測精度 ,  分類精度 ,  不均衡データセット ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 白血球 ,  修正損失関数 ,  正則化 ,  深層畳込みニューラルネットワーク ,  クラス内コンパクト性 ,  クラス間分離可能性

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

タイトルに関連する用語 (8件)： 白血球分類 ,  深層学習 ,  解 ,  正則化 ,  加重 ,  損失 ,  損失関数 ,  増強