文献

J-GLOBAL ID：202102221639791639   整理番号：21A0005342

皮膚疾患画像認識における深層学習:レビュー【JST・京大機械翻訳】

Deep Learning in Skin Disease Image Recognition: A Review

著者 (6件)： Li Ling-Fang (School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, China) ,  Wang Xu (School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, China) ,  Hu Wei-Jian (School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, China) ,  Xiong Neal N. (Department of Mathematics and Computer Science, Northeastem State University, Tahlequah, OK, USA) ,  Du Yong-Xing (School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, China) ,  Li Bao-Shan (School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 208264-208280  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 疾患を診断するための深層学習法の応用は,医学分野における新しい研究題目になった。医学の分野では,皮膚疾患は最も一般的な疾患の1つであり,その視覚表現は他の型の疾患と比較してより顕著である。したがって,皮膚疾患画像認識のための深層学習法の使用は,非常に重要であり,研究者の注意を引き付けている。本研究では,2016年以降の深層学習技術を用いて皮膚疾患の同定に関する45の研究努力をレビューした。著者らは,疾患タイプ,データセット,データ処理技術,データ増強技術,皮膚疾患画像認識のためのモデル,深い学習フレームワーク,評価指標,およびモデル性能の側面からこれらの研究を分析した。さらに,著者らは伝統的および機械学習ベースの皮膚疾患診断および治療法を要約する。また,この分野における現在の進展を分析し,将来研究トピックになるかもしれない4方向を予測した。結果は,深部学習に基づく皮膚疾患画像認識法が皮膚疾患診断における皮膚科医および他のコンピュータ支援治療方法のものより良いことを示して,特に,マルチ深い学習モデル融合方法は,最も良い認識影響を持った。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  学習モデル ,  *皮膚病 ,  データ処理 ,  CAE【計算機】 ,  機械学習 ,  *画像認識
準シソーラス用語： 皮膚科医 ,  評価指標 ,  視覚表現 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 皮膚疾患 ,  画像認識 ,  深層学習 ,  レビュー