文献

J-GLOBAL ID：202002258198037333   整理番号：20A1760436

ディジタルマンモグラフィーにおけるアーキテクチャ歪検出のための深い畳込みニューラルネットワークにおける移動学習【JST・京大機械翻訳】

Transfer learning in deep convolutional neural networks for detection of architectural distortion in digital mammography

著者 (4件)： Costa Arthur C. (Univ. de Sao Paulo (Brazil)) ,  Oliveira Helder C. R. (Univ. de Sao Paulo (Brazil)) ,  Borges Lucas R. (Univ. de Sao Paulo (Brazil)) ,  Vieira Marcelo A. C. (Univ. de Sao Paulo (Brazil))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11513  ページ： 115130N-8  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層学習モデルは応用の様々な分野で優れた結果に達してきたが,多くの場合,処理の高いコストまたは大量のデータで利用できる。それらのほとんどにおいて,特に医学分野では,訓練データの不足は,これらのモデルの性能を制限する。データ不足を克服する戦略の中で,データ増強,転送学習および微調整がある。本研究では,ディジタルマンモグラフィにおける構造歪(AD)を自動的に検出するために,深い畳み込みニューラルネットワーク(CNN)を訓練するための異なるアプローチを比較した。ディジタルマンモグラフィにおける病変を検出するために,いくつかのコンピュータビジョンベースのアルゴリズムが設計されたが,ADを検出する際には,それらのほとんどがほとんど機能しない。著者らは,臨床マンモグラムの280画像のデータベース上のAD検出に関するその性能を評価するために,進行性微調整で画像Netデータベース上で事前訓練されたVGG-16ネットワークを使用した。最後に,同じタスクのためにスクラッチから訓練されたカスタムCNNアーキテクチャと結果を比較した。結果は,移動学習とあるレベルの微調整を有するネットワークが,他のアプローチと比較して,タスク(AUC=0.89)に対して最良の結果に達するが,しかし,異なる量のデータ増強を用いて,また,カスタムCNNと比較して,最良の結果の間に,統計的に有意な差は見られなかったことを示した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  データベース ,  *ネットワーク ,  コンピュータビジョン ,  *計算機アーキテクチャ
準シソーラス用語： 訓練データ ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ディジタルマンモグラフィー ,  アーキテクチャ ,  歪検出 ,  畳込みニューラルネットワーク ,  学習