文献

J-GLOBAL ID：202002257825454758   整理番号：20A0911542

皮膚病変分類のための離散的に分離可能な畳込みニューラルネットワーク【JST・京大機械翻訳】

Depthwise Separable Convolutional Neural Network for Skin Lesion Classification

著者 (5件)： Kassani Sara Hosseinzadeh (University of Saskatchewan,Department of Computer Science,Saskatoon,Canada) ,  Kassani Peyman Hosseinzadeh (University of Tulane,Department of Biomedical Engineering,New Orleans,USA) ,  Wesolowski Michal J. (University of Saskatchewan,Department of Medical Imaging,Saskatoon,Canada) ,  Schneider Kevin A. (University of Saskatchewan,Department of Computer Science,Saskatoon,Canada) ,  Deters Ralph (University of Saskatchewan,Department of Computer Science,Saskatoon,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISSPIT  ページ： 1-6  発行年： 2019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： メラノーマは致命的皮膚癌の1つである。早期診断は,有効な治療計画において重要な役割を果たし,皮膚癌の死亡率を減少させる。本研究では,メラノーマ検出のための分離可能な畳込みニューラルネットワークを用いたコンパクトな深い学習ベース分類モデルを提案した。提案したアーキテクチャは,雑音低減,アーチファクト除去,および低コントラスト調整のようなタスク固有データ前処理法の必要性を最小化し,非見/試験データに対するより良い一般化能力をサポートすることを目的とした。著者らは,ISIC2018データセットに関する提案方法の性能を検証した。結果は,提案したアーキテクチャが文献に示されている広く使われているアーキテクチャに匹敵する精度を達成し,よりコンパクトで簡単であることを示した。提案した方法は87.24%の精度,95.94%の感度,98.47%の特異性を達成した。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： コントラスト ,  学習 ,  死亡率 ,  *皮膚障害 ,  雑音低減 ,  計算機アーキテクチャ ,  黒色腫 ,  皮膚腫瘍 ,  治療計画 ,  早期診断
準シソーラス用語： 特異性 ,  アーチファクト除去 ,  データ前処理 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 皮膚病変 ,  分類 ,  畳込みニューラルネットワーク