抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【目的】メラノーマ検出における深さ学習アルゴリズムの性能に及ぼす画像皮膚背景色の影響を調査する。方法:海量帯ラベルの皮膚鏡画像から白い皮膚画像と黄色皮膚画像の2種類のデータセットを区別し、2種類のデータセットをそれぞれ一定の割合で訓練セット、検証セットとテストセットに分けた。白色皮膚画像と黄色皮膚画像の2種類のデータセットをResNet-152ネットワークと同じ超パラメータで訓練、検証とテストを行い、測定結果は感度、特異性、精度、平均精度とROCのAUCなどの5つの指標で評価を行った。最後に、白色皮膚データ訓練で得られたモデル上で黄色皮膚画像のテスト集合に対して検出を行い、テストセットと訓練セットといずれも黄色皮膚画像からの結果を比較した。結果;ネットワークモデルと超パラメータが同じ前提の下で,テストセットとトレーニングセットは,同じデータセット(すべて黄色皮膚画像)から,テスト結果の5つの指標の差が1%以下である。テストセットと訓練セットは,異なるクラスからのデータセット(テストセットが黄色皮膚画像,トレーニングセットが白色皮膚画像)である場合,精度,感度と平均精度の3つの指標がテストセットとトレーニングセットの同じクラスデータセットからのものよりも1%以上低下した。結論:テストデータとモデル訓練データが2つの異なる皮膚色画像である場合、モデル性能は明らかに低下し、皮膚色は深度学習アルゴリズムによるメラノーマの性能への影響が顕著である。黄色種ヒト黒色腫の自動検出アルゴリズム性能を向上させるために,より多くの黄色種皮膚鏡画像データを収集する必要がある。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】