文献

J-GLOBAL ID：202102279688307401   整理番号：21A0231258

大腸癌組織分類のための深層学習技術【JST・京大機械翻訳】

Deep Learning Techniques for Colorectal Cancer Tissue Classification

著者 (2件)： Tsai Min-Jen (National Chiao Tung University, Institute of Information Management,Hsin-Chu,Taiwan, R.O.C.,300) ,  Tao Yu-Han (National Chiao Tung University, Institute of Information Management,Hsin-Chu,Taiwan, R.O.C.,300)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSPCS  ページ： 1-8  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： 組織学的画像の客観的評価は結腸直腸癌(CRC)の早期診断にとって極めて重要である。しかし,評価者間変動と従来の視覚評価の主観性は,時間がかかり,高価である。一方,デジタル病理学の自動認識と分析は,1つ以上の組織型と組織学的画像の特徴を含む組織学的画像の変動性のため,困難なままである。この研究では,健康な組織と良性病変から結腸直腸癌を区別するため,畳込みニューラルネットワーク(CNN)に基づく異なる深層学習技術を適用した。最初に,深い畳み込みニューラルネットワークモデルを訓練し,ネットワーク層の部分において,CRCの組織学的画像において豊富である異なる組織型を同定するために修正パラメータを抽出した。第2に,同定率を評価するために,8種類の組織を含むヒト結腸直腸癌の組織学的画像のオープンデータセットを用いた。著者らの結果において,結腸直腸癌組織同定精度率は,既存の既知の方法より著しく優れている。したがって,提案した手法は,医師が診断能力を高め,患者のためのより良い臨床決定を可能にするのを助けることができた。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： ヒト ,  ディジタル方式 ,  早期診断 ,  *大腸腫瘍
準シソーラス用語： 自動認識 ,  組織型 ,  客観評価 ,  結腸直腸癌 ,  *深層学習 ,  オープンデータ , 【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 (4件)： 大腸癌 ,  組織 ,  分類 ,  深層学習