文献

J-GLOBAL ID：202102276436397070   整理番号：21A1476281

改良マラリア寄生虫検出のための深層畳込みニューラルネットワークアンサンブル【JST・京大機械翻訳】

Deep Convolutional Neural Network Ensemble for Improved Malaria Parasite Detection

著者 (3件)： Ragb Hussin K. (Christian Brothers University,School of Electrical and Computer Engineering,Department of Engineering,Memphis,Tennessee) ,  Dover Ian T. (Christian Brothers University,School of Electrical and Computer Engineering,Department of Engineering,Memphis,Tennessee) ,  Ali Redha (University of Dayton,Department of Electrical and Computer Engineering,Dayton)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： AIPR  ページ： 1-10  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： 顕微鏡を用いた寄生虫の同定を通して行われたマラリアの予後は,治療の早期開始における不可欠な段階である。Plasmodium falciparumのようなマラリア誘発寄生虫は同定するのが困難であり,従って死亡率が高い。これらの理由のために,深い畳み込みニューラルネットワークアルゴリズムをこの論文で提案し,赤血球スミアから寄生細胞を正確に同定する。移動学習,周期的および一定の学習速度,およびアンサンブル法のような機械学習技術の混合物を用いて,著者らは,赤血球スミア内の寄生細胞を正確に同定できるモデルを開発した。ImageNetデータベースから事前訓練された14のネットワークを,完全に接続された層によって再訓練した。周期的および一定の学習速度を用いて,各ネットワークにおける局所最小値を横断した。各訓練されたニューラルネットワークの出力は,分類プロセスで使用される単一投票を表す。候補マラリアセル間の最終分類決定において,主要投票基準を適用した。提案モデルの性能を評価するためにいくつかの実験を行った。国立健康研究所からのNIH Malariaデータセット,赤血塗抹の顕微鏡的パッチから形成した27,558画像のデータセットを,これらの実験に用いた。データセットを80%訓練セット,10%検証セット,および10%テストセットに分割した。検証セットを,アンサンブルネットワークアーキテクチャを選ぶための決定計量として使用し,試験セットを各モデルの評価計量として用いた。異なるアンサンブルネットワークアーキテクチャを実験し,試験データセット上で有望な性能を観察し,いくつかの最先端の方法論よりも試験精度を良好に達成する最良のモデルを得た。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： アルゴリズム ,  学習 ,  データベース ,  *ネットワーク ,  赤血球 ,  *ニューラルネットワーク ,  *寄生虫 ,  死亡率 ,  *マラリア ,  投票 ,  予後 ,  Plasmodium falciparum ,  ネットワークアーキテクチャ
準シソーラス用語： 機械学習技術 ,  *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)： マラリア ,  寄生虫 ,  深層畳込みニューラルネットワーク ,  アンサンブル