文献

J-GLOBAL ID：202102228696628649   整理番号：21A1319991

マルチスケール多重特徴畳込みニューラルネットワークに基づく肝硬変認識【JST・京大機械翻訳】

Cirrhosis recognition based on multi-scale multi-feature convolutional neural network

著者 (3件)： Liu Menglun (青島大学計算机科学技術学院,山東青島266071) ,  Zhao Ximei (青島大学計算机科学技術学院,山東青島266071;山東省数字医学与計算机輔助手術重点実験室,山東青島266000) ,  Wei Bin (山東省数字医学与計算机輔助手術重点実験室,山東青島266000)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 37  号： 12  ページ： 375-381  発行年： 2020年 
JST資料番号： C2937A  ISSN： 1006-9348  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： データ強化に基づく多重スケール多重特徴畳込みニューラルネットワークM-CNNモデルを,B超画像肝硬変認識におけるラベルデータ不足と単一スケール特徴のロバスト性の欠如のために提案した。まず、有限の肝硬変データセット上でデータ増強を行い、ある程度過フィッティング現象を避けた。特徴のロバスト性を強化するために,3つの異なる尺度のサンプルをモデル入力として,異なるスケールの特徴を学習し,異なる層の多重スケール情報を加重和して,異なる層の特徴を最終結果に異なる影響を持ち,それによってモデルの一般化能力を改善した。同時に,分類子の重み係数を改善し,重み感度を柔軟に調整し,最終的に意思決定時に分類装置の性能を改善した。実験は,試験集合の分類精度が99.2%に達することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  分類装置 ,  *肝硬変 ,  *多重化 ,  ロバスト性
準シソーラス用語： *マルチスケール ,  分類精度 ,  重み係数 ,  分類子 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： マルチスケール ,  多重 ,  畳込みニューラルネットワーク ,  肝硬変