文献

J-GLOBAL ID：202102252991573863   整理番号：21A0271377

新生児サーモグラムの分類における説明可能な特徴【JST・京大機械翻訳】

Explainable Features in Classification of Neonatal Thermograms

著者 (2件)： Ornek Ahmet Haydar (Konya Teknik Ueniversitesi,Muehendislik ve Doga Bilimleri Fakueltesi,Elektrik-Elektronik Muehendisligi Boluemue,Tuerkiye) ,  Ceylan Murat (Konya Teknik Ueniversitesi,Muehendislik ve Doga Bilimleri Fakueltesi,Elektrik-Elektronik Muehendisligi Boluemue,Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SIU  ページ： 1-4  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： 深層学習モデルは高性能分類(+90%精度)を実行するが,モデルの計画可能性に関する研究は非常に限られている。しかし,計算機支援診断において決定がなされ,訓練されていない深層学習モデルが訓練できない理由を決定することは,医療専門家にとって決定を評価する上で重要である。本研究では,Selcuk大学医学の新生児集中治療室に入院した38の異なる新生児の190の熱画像を訓練し,ESAモデル非健康分類と中間層出力の可視化を行った。モデルの列車検証試験精度は,それぞれ97.38%,37.36%と94.73%であった。中間層出力を可視化することにより,ESAフィルタは,不健康な健康分類を行うとき,バックグラウンド(インキュベータ,測定ケーブル)よりも,むしろ,幼児(エッジ,組織,体,温度)の特性を学習することが示されている。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： フィルタ ,  ケーブル ,  計算機診断 ,  *新生児 ,  可視化 ,  医療従事者 ,  幼児 ,  熱画像 ,  インキュベータ
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 専用演算制御装置  (JC04030Y) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R)

タイトルに関連する用語 (4件)： 新生児 ,  グラム ,  分類 ,  説明