文献

J-GLOBAL ID：202002262645171826   整理番号：20A1280299

畳込み神経回路網に基づく甲状腺結節超音波画像良悪性分類研究【JST・京大機械翻訳】

Study on the classification of benign and malignant thyroid nodule in ultrasound image on the basis of CNNs

著者 (7件)： Zou Yixuan (南京医科大学附属南京医院(南京市第一医院)医療設備処江蘇南京 210006) ,  Zhou Leilei (南京医科大学附属南京医院(南京市第一医院)医療設備処江蘇南京 210006) ,  Zhao Ziting (南京医科大学附属南京医院(南京市第一医院)医療設備処江蘇南京 210006) ,  Wu Qianqian (南京医科大学附属南京医院(南京市第一医院)医療設備処江蘇南京 210006) ,  Han Yudong (南京医科大学附属南京医院(南京市第一医院)功能検査科江蘇南京 210006) ,  Tian Shuchang (南京医科大学附属南京医院(南京市第一医院)医療設備処江蘇南京 210006) ,  Jiang Hongbing (南京医科大学附属南京医院(南京市第一医院)医療設備処江蘇南京 210006;南京市急救中心江蘇南京 210003)
資料名： Zhongguo Yixue Zhuangbei  (Zhongguo Yixue Zhuangbei)
巻： 17  号： 3  ページ： 9-13  発行年： 2020年 
JST資料番号： C3428A  ISSN： 1672-8270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 【目的】甲状腺結節の超音波画像における良性および悪性分類問題における深さ学習畳込みニューラルネットワーク(CNNs)の実現可能性と効果を評価する。方法;3種類の畳込みニューラルネットワークモデル(VGG19モデル,InceptionV3モデル,およびDenseNet161モデル)を,移動学習方式を用いて,自然画像訓練集合上で訓練し,そして,調整を行った。甲状腺結節超音波画像を用いて,3種類の畳込みニューラルネットワークモデルを試験した。【結果】VGG19モデルの分類効果は,88.18%であり,InceptionV3とDenseNet161モデルのものより低かった(92.85%と92.91%)。InceptionV3およびDenseNet161モデルは,精度,パラメータ数および訓練効率において,明白な優位性を持ち,そして,DenseNet161モデルは,より速く収束し,そして,一般化性能は,より良好であったが,しかし,計算において,より多くの存在を,用いた。結論:深さ学習CNNsは超音波画像上の甲状腺結節の良悪性を診断し、治療効果は良好であるが、DenseNet161モデルは甲状腺結節超音波画像良悪性分類タスクにおいてより優れた性能を示す。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  学習 ,  *超音波画像 ,  *神経回路網 ,  畳込みニューラルネットワーク
準シソーラス用語： *甲状腺結節 ,  自然画像 , 【Automatic Indexing@JST】

分類 (2件)： 内分泌系の腫よう  (GL04000P) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (6件)： 畳込み ,  神経回路網 ,  甲状腺結節 ,  超音波画像 ,  分類 ,  研究