文献

J-GLOBAL ID：202102272844413818   整理番号：21A1193741

医用画像のモダリティ分類のための深層転送学習【JST・京大機械翻訳】

Deep Transfer Learning for Modality Classification of Medical Images

著者 (7件)： Yu Yuhai (School of Computer Science and Technology, Dalian University of Technology, Dalian 116024, China) ,  Yu Yuhai (School of Computer Science & Engineering, Dalian Minzu University, Dalian 116600, China) ,  Lin Hongfei (School of Computer Science and Technology, Dalian University of Technology, Dalian 116024, China) ,  Meng Jiana (School of Computer Science & Engineering, Dalian Minzu University, Dalian 116600, China) ,  Wei Xiaocong (School of Software Engineering, Dalian University of Foreign Languages, Dalian 116044, China) ,  Guo Hai (School of Computer Science & Engineering, Dalian Minzu University, Dalian 116600, China) ,  Zhao Zhehuan (School of Computer Science and Technology, Dalian University of Technology, Dalian 116024, China)
資料名： Information (Web)  (Information (Web))
巻： 8  号： 3  ページ： 91  発行年： 2017年 
JST資料番号： U7203A  ISSN： 2078-2489  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 医学画像は臨床診断と意思決定に有用である。画像モダリティは,検索システムにおける必要な医用画像にアクセスするための臨床医を支援することができるので,重要な一次ステップである。モダリティ分類の伝統的方法は手作業特徴の選択に依存し,事前ドメイン知識の明確な認識を要求する。特徴学習手法は,異なるモダリティの視覚特性を効率的に検出できるが,訓練データセットの数には限界がある。ラベル付きデータの不在を克服するために,一方では,画像Net上で事前訓練された異なる深さの深い畳み込みニューラルネットワーク(VGGNet,ResNet)を取り上げて,自然画像の一般的特徴を保存して,医用図形のドメイン特異的特徴を学習するために,画像CLEF上のそれらのより高いレベル部分を訓練するだけであった。次に,著者らは,より多くのドメイン特異的特徴を捕えるために,6つの重量層だけを有するスクラッチ深いCNNsから訓練した。他方,著者らはCNNsが画像モダリティ特徴を特徴づけるそれらの潜在的範囲を与えるのを助けるために2つのデータ増強法を採用した。最終予測は,3つのCNNの出力に基づく著者らの投票システムによって与えられる。ImageCLEF2015とImageCLEF2016におけるサブ構成分類タスクに関する著者らの提案モデルを評価した後に,著者らは,画像CLEF2015において,画像CLEF2015と87.37%において,新しい最先端の結果-76.87%を得て,著者らの提案した転送学習方法とデータ増強スキルに基づくCNNsが,医用画像のより効率的なモダリティを同定できることを意味する。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  *学習 ,  情報検索システム ,  投票 ,  *医用画像 ,  深層 ,  ドメイン知識
準シソーラス用語： *モダリティ ,  訓練データ ,  自然画像 ,  臨床医 ,  臨床診断 ,  学習方法 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： モダリティ分類 ,  医療画像 ,  畳込みニューラルネットワーク ,  伝達学習 ,  データ増強 ,  ImageCLEF

分類 (2件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

引用文献 (40件)：

• Lu, Z. PubMed and beyond: A survey of web tools for searching biomedical literature. Database 2011.
• Khan, F.F.; Saeed, A.; Haider, S.; Ahmed, K.; Ahmed, A. Application of medical images for diagnosis of diseases-review article. World J. Microbiol. Biotechnol. 2017, 2, 135-138.
• Shi, J.; Zheng, X.; Li, Y.; Zhang, Q.; Ying, S. Multimodal Neuroimaging Feature Learning with Multimodal Stacked Deep Polynomial Networks for Diagnosis of Alzheimer’s Disease. IEEE J. Biomed. Health Inform. 2017.
• Shi, J.; Wu, J.; Li, Y.; Zhang, Q.; Ying, S. Histopathological image classification with color pattern random binary hashing based PCANet and matrix-form classifier. IEEE J. Biomed. Health Inform. 2016.
• De Herrera, A.G.S.; Kalpathy-Cramer, J.; Fushman, D.D.; Antani, S.; Müller, H. Overview of the ImageCLEF 2013 medical tasks. In Proceedings of the Working Notes of CLEF, Valencia, Spain, 23-26 September 2013.

タイトルに関連する用語 (6件)： 医用画像 ,  モダリティ ,  分類 ,  深層 ,  転送 ,  学習