文献

J-GLOBAL ID：202102210004006191   整理番号：21A0481699

深さ学習に基づく人工知能の肺結節診断分野における進展【JST・京大機械翻訳】

Research progress of artificial intelligence based on deep learning in the field of pulmonary nodules

著者 (3件)： Zhang Jun (浜州医学院附属医院放射科,山東 浜州,256603) ,  Hou Cong (浜州医学院附属医院放射科,山東 浜州,256603) ,  Liu Xinjiang (浜州医学院附属医院放射科,山東 浜州 256603;上海市浦東医院(復旦大学附属浦東医院)放射科,上海201399)
資料名： Fenzi Yingxiangxue Zazhi  (Fenzi Yingxiangxue Zazhi)
巻： 43  号： 3  ページ： 365-368  発行年： 2020年 
JST資料番号： C4391A  ISSN： 1674-4500  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： 肺癌は死亡率が最も高い悪性腫瘍であり、肺結節の早期検出は肺癌死亡率を低下させるキーである。深さ学習に基づく人工知能技術は自己学習を通じて、肺結節の検出と診断の正確性を絶えず向上させ、コンピュータ支援診断を実現する重要な手段である。人工知能、機械学習、深さ学習の概念及び三者間の関係を紹介し、4種類の一般的な深さ学習モデル:畳込みニューラルネットワーク、海量訓練人工神経回路網、自己符号器及び深さ信念ネットワークについて述べた。畳込みニューラルネットワークは最もよく使われる深さ学習モデルであり、主に二次元畳込みニューラルネットワーク、三次元畳込みニューラルネットワークとマルチストリーム、マルチスケールの畳込みニューラルネットワークを含み、その中のマルチストリーム、マルチスケールの畳込みニューラルネットワークは肺結節の分類に有利である。大量の訓練人工神経回路網は,限られた肺結節訓練サンプルにおいて優位である。自己エンコーダは低次元空間で肺結節を検出できる。深さ信念ネットワークは一種の生成モードであり、極限学習機と結合し、肺結節の診断率を高めることができる。また、本研究は現在の人工知能の問題点を分析し、標識画像の過少、可説明性と可制御性不足、倫理と法律問題が存在する。要するに、深さ学習に基づく人工知能は映像学を改変するだけではなく、すべての他の医学領域も変え、広い応用前景がある。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  学習モデル ,  計算機診断 ,  ニューラルネットワーク ,  死亡率 ,  海洋 ,  *人工知能 ,  符号器 ,  映像 ,  二次元 ,  三次元 ,  肺腫瘍 ,  *呼吸器診断 ,  機械学習
準シソーラス用語： 悪性腫瘍 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 学習 ,  人工知能 ,  肺結節 ,  診断 ,  進展