文献

J-GLOBAL ID：202002268623994527   整理番号：20A2676306

乳腺腫瘍診断における深さ学習アルゴリズムの応用研究【JST・京大機械翻訳】

Application of Deep Learning Algorithms in Diagnosis of Breast Cancer

著者 (3件)： Deng Zhuo (北京理工大学珠海学院 光電成像技術与系統教育部重点実験室,广東 珠海 519088;北京理工大学,北京 100081) ,  Su Binghua (北京理工大学珠海学院 光電成像技術与系統教育部重点実験室,广東 珠海 519088;北京理工大学,北京 100081) ,  Zhang Kai (北京理工大学珠海学院 光電成像技術与系統教育部重点実験室,广東 珠海 519088)
資料名： Zhongguo Yiliao Shebei  (Zhongguo Yiliao Shebei)
巻： 35  号： 9  ページ： 60-64  発行年： 2020年 
JST資料番号： C3975A  ISSN： 1674-1633  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： 深さ学習の3種類のネットワーク構造による乳癌腫瘍の診断価値を探るため、本論文では、深さニューラルネットワーク、畳み込みニューラルネットワークと循環ニューラルネットワーク(RecurrentNeuralNetwork)に基づく。RNNの3種類の基本ネットワークは乳腺腫瘍の良性と悪性の異なる分類をモデリングし、人体の実際の乳腺腫瘍サンプルデータを利用してモデルパラメータを訓練し、テストセットのデータを用いてモデルを検証し、結果により、三種類のネットワークは比較的に高い精度で腫瘍の良悪性を識別できることを発見した。RNN実験の精度は100%に近かった。この研究により、医師が乳腺腫瘍の診断精度と仕事効率を高めることができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  ニューラルネットワーク ,  *腫瘍 ,  ネットワーク構造 ,  乳房腫瘍 ,  *乳腺腫瘍 ,  *学習アルゴリズム
準シソーラス用語： モデルパラメータ ,  診断精度 ,  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) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (5件)： 乳腺腫瘍 ,  診断 ,  学習アルゴリズム ,  応用 ,  研究