文献

J-GLOBAL ID：202102245341912215   整理番号：21A0447717

オーバサンプリング不均衡データ上の深層畳込みニューラルネットワークを用いたアルツハイマー病ステージ分類【JST・京大機械翻訳】

Alzheimer’s Disease Stage Classification using Deep Convolutional Neural Networks on Oversampled Imbalance Data

著者 (4件)： Puspaningrum Eva Y (Universitas Pembangunan Nasional “Veteran” Jawa Timur,Departement of Informatics,Surabaya,Indonesia) ,  Wahid Radical Rakhman (Universitas Pembangunan Nasional “Veteran” Jawa Timur,Departement of Informatics,Surabaya,Indonesia) ,  Amaliyah Rahayu Prabawati (Universitas Pembangunan Nasional “Veteran” Jawa Timur,Departement of Informatics,Surabaya,Indonesia) ,  Nisa’ Chilyatun (Universitas Pembangunan Nasional “Veteran” Jawa Timur,Departement of Informatics,Surabaya,Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ITIS  ページ： 57-62  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： 健康データセットでしばしば直面する一つの問題は,高レベルの不均衡である。不均衡なデータは,機械学習で使用されるデータが,異なるクラスの間の不均衡なデータ分布を持つことを意味する。データの一つはAlzheimer病データである。使用したデータは,Alzheimer病またはそうではないことを示す脳磁気共鳴イメージングの6400画像を含むデータセットである。本研究は,Alzheimer病と健康な脳によって影響を受ける脳を分類するために,深い学習アーキテクチャを使用した。データ分布における不均衡によるオーバーサンプリング段階を通してデータが以前にgoneを持つ深層畳込みニューラルネットワーク(CNN)を用いて訓練および予測モデルを構築した。本研究で提供された評価計量表から,Alzheimer病を検出する最高の精度は60.67%の精度でResNetl8によって得られた。それでも,最短訓練時間は,非オーバーサンプリングを用いて624.4秒のShuffet V2によって得られた。オーバーサンプルを用いて得られた結果では,Shuffet V2は,1478.6秒の最速訓練時間で60.75%の精度を与えた。著者が提案した特別なCNNモデルは,過剰サンプルを用いて,非サンプリングと55.27%の精度を用いて,50%の精度を得た。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 ,  NMRイメージング ,  計算機アーキテクチャ ,  *Alzheimer病 ,  機械学習 ,  予測モデル
準シソーラス用語： *オーバサンプリング ,  不均衡 ,  *病期分類 ,  不均衡データ , 【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 (5件)： オーバサンプリング ,  不均衡データ ,  深層畳込みニューラルネットワーク ,  アルツハイマー病 ,  ステージ分類