文献

J-GLOBAL ID：202102223155324530   整理番号：21A0006527

GAN生成合成データ増強を用いた改良型内視鏡ポリープ分類【JST・京大機械翻訳】

Improved Endoscopic Polyp Classification using GAN Generated Synthetic Data Augmentation

著者 (5件)： Sasmal Pradipta (Indian Institute of Technology Guwahati,Department of Electronics and Electrical Engineering,Assam,India,781039) ,  Bhuyan M.K. (Indian Institute of Technology Guwahati,Department of Electronics and Electrical Engineering,Assam,India,781039) ,  Sonowal Sourav (National Institute of Technology,Department of Electronics and Instrumentation Engineering,Silchar,Assam,India) ,  Iwahori Yuji (Chubu University,Department of Computer Science,Kasugai,Japan,487-8501) ,  Kasugai Kunio (Aichi Medical University Hospital,Department of Gastroenterology,Nagakute,Japan,480-1195)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ASPCON  ページ： 247-251  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 内視鏡ビデオフレームで検出されたポリープにおける癌の早期診断は,より良好な予後と臨床管理に役立つ。これに対し,ポリープ領域は内視鏡により徹底的に分析される。本論文では,深層学習フレームワークにおける自動ポリープ分類器を提案した。結腸ポリープに対するグランドトルースデータのアベイラビリティは常に不足しているので,そのようなタスクではデータ増強が不可欠である。本研究では,合成データ生成のためのGenerative adversal ネットワーク(GAN)の使用を提案した。分類のために,CNNを訓練し,正常(良性)と癌(悪性)ポリープを識別する。2つのデータベースで行った実験は,提案したデータ増強技術が結腸ポリープの分類において効率的に使用できることを証明した。また,提案手法では,限られたデータシナリオで一般に考えられている古典的増強手法を用いて達成された性能を比較した。実験結果は,分類精度が最先端の方法に競合することを示した。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： データベース ,  ネットワーク ,  アベイラビリティ ,  予後 ,  *ポリープ ,  早期診断
準シソーラス用語： 結腸ポリープ ,  分類精度 ,  グランドトゥルース ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： GaN ,  データ増強 ,  内視鏡 ,  ポリープ ,  分類