文献

J-GLOBAL ID：202002258450084036   整理番号：20A0221462

根尖X線における自動病変検出【JST・京大機械翻訳】

Automatic Lesion Detection in Periapical X-rays

著者 (3件)： Sajad Muhammad (Abasyn University Islamabad Campus,Islamabad,Pakistan) ,  Shafi Imran (Abasyn University Islamabad Campus,Islamabad,Pakistan) ,  Ahmad Jamil (Abasyn University Islamabad Campus,Islamabad,Pakistan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICECCE  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： 歯科領域において,根尖周囲X線は歯病変の発見において重要な役割を果たしている。しかし,X線写真を用いて病変の有無を正しく予測することが困難である。本研究は,根尖周囲X線における病変のタイプを自動的に検出できる応用を開発することを目的とした。本研究では2つの異なる実験を行った。最初の実験において,特徴を事前訓練ネットワーク(Alexnet)を用いて抽出し,次に,これらの抽出した特徴に関して,従来の分類装置サポートベクトルマシン(SVM)とK-最近傍(K-NN)を訓練した。第二の実験では,訓練データ上で事前訓練されたAlexnetモデルを微調整した。この微調整ネットワークを特徴抽出器として使用し,ソフトマックス関数を用いて試験画像を分類するために使用した。この保持されたモデルの第7の完全輪郭(FC)層は,抽出された特徴の出力として使用された。これらの抽出された特徴に関して,SVMとK-NN分類装置を訓練した。この第二の実験は二つの方法で行った。第一に,事前訓練されたAlexnetモデルを拡張データで微調整し,第二の方法では,事前訓練されたAlexnetネットワークを,データ増強技術を使用せずに微調整した。分類精度を用いて両手法の性能を評価した。達成された最高の分類精度は98%であった。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： X線写真 ,  *ネットワーク ,  特徴抽出 ,  歯科学 ,  分類装置 ,  サポートベクトルマシン
準シソーラス用語： 分類精度 ,  微調整 ,  訓練データ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 根 ,  X線 ,  病変