文献

J-GLOBAL ID：202102237453109882   整理番号：21A0445630

機械学習アプローチを用いた肺癌疾患診断【JST・京大機械翻訳】

Lung Cancer Disease Diagnosis Using Machine Learning Approach

著者 (2件)： Mukherjee Swati (G H Raisoni University,Computer Science dept,Amravati,India) ,  Bohra S. U. (G H Raisoni University,Computer Science dept,Amravati,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICISS  ページ： 207-211  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： 肺疾患の解析と研究は,早期から今日までの医療専門家の最も興味深い研究領域であった。この懸念に取り組むため,診断システムは,悪性増殖の早期発見により,ヒトへのリスク獲得のオッズを減らすのを助けることができる。構造の組合せによって,そして,まだ,それらの膨大な数は,まだ仮想計画である。その後の philosophy学において,ニューラルネットワークモデルの性能を調べ,画像データにおける癌性細胞認識のこの問題,治療イメージング応用における平均問題に対処した。このタスクを達成する試みにおいて,肺癌同定フレームワークをAIと深層ニューラルシステムに基づいて開発し,その方法は,特に深層学習機構を用いることにより,より良い精度が得られる教師つき学習に依存する。CNN分類は肺腫瘍分類のゲーム計画である。フレームワークは,例えば,画像取得,事前準備,強化,セグメンテーション,特徴抽出,および神経フレームワーク同定のための様々な方法を含んでいる。簡潔に,機械学習アプローチは,低コストで肺癌治療における意思決定支援を改善する前例のない機会を与えることができる。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： ゲーム ,  セグメンテーション ,  特徴抽出 ,  ヒト ,  画像処理 ,  教師つき学習 ,  医療従事者 ,  深層 ,  *肺腫瘍 ,  肺疾患 ,  早期診断 ,  *機械学習
準シソーラス用語： 神経回路網モデル ,  意思決定支援 ,  深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 機械学習 ,  肺癌 ,  疾患 ,  診断