文献

J-GLOBAL ID：202002272782171495   整理番号：20A2723875

内視鏡ビデオからの追加訓練データ抽出による内視鏡画像データに関するCNNトレーニングの改善【JST・京大機械翻訳】

Improving CNN training on endoscopic image data by extracting additionally training data from endoscopic videos

著者 (3件)： Wimmer Georg (University of Salzburg, Department of Computer Sciences, Jakob-Haringerstrasse 2, Salzburg 5020, Austria) ,  Haefner Michael (Department of Gastroenterologie and Hepatologie, St. Elisabeth Hospital, Landstrasser Hauptstrasse 4a, Wien A-1030, Austria) ,  Uhl Andreas (University of Salzburg, Department of Computer Sciences, Jakob-Haringerstrasse 2, Salzburg 5020, Austria)
資料名： Computerized Medical Imaging and Graphics  (Computerized Medical Imaging and Graphics)
巻： 86  ページ： Null  発行年： 2020年 
JST資料番号： T0220A  ISSN： 0895-6111  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究では,計算機支援内視鏡画像診断の領域,訓練データの不十分な量における畳み込みニューラルネットワーク(CNN)の適用に対する最大の問題の一つを扱う技術を提示した。与えられたラベル情報を有する結腸ポリープの内視鏡画像からのパッチに基づいて,提案技法は,対応する内視鏡ビデオを通してパッチに示された領域を追跡し,これらの領域のフレームから付加的画像パッチを抽出することにより,追加の(ラベル付き)訓練データを取得する。それで,広く使用された増強戦略と同様に,追加訓練データは,オリジナル画像より異なる方向,スケール,および視点の画像を加えることによって作り出される。しかし,増強技術とは対照的に,画像データを人工的に生成しないが,異なる画像記録条件(異なる視点と画像品質)の下でビデオから実際の画像データを使用する。提案手法と不十分な画像品質ですべての抽出した画像をフィルタリングすることにより,ラベル付き画像データを因子39で増加させることができる。提案手法はCNNの性能を明らかにかつ連続的に改善することを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算機診断 ,  フィルタリング ,  画質 ,  計算機械 ,  *録画装置
準シソーラス用語： 画像データ ,  *訓練データ ,  *内視鏡画像 ,  *データ抽出 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： コンピュータ支援診断 ,  内視鏡 ,  大腸ポリープ ,  畳込みニューラルネットワーク ,  強化

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 内視鏡 ,  ビデオ ,  訓練 ,  データ抽出 ,  内視鏡画像 ,  CNN ,  トレーニング