抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
注釈の高い人的コストのため,すべてのクラスの関心に対して完全にラベル付けされた大規模医療データセットを整理することは自明ではない。代わりに,異なるマッチング源から複数の小さな部分ラベル付きデータセットを収集するのは便利であり,そこでは医用画像が関心クラスの部分集合に対してのみ注釈付けされるかもしれない。本論文では,部分的にラベル付けされた医用画像のみを用いてマルチラベル分類器を訓練する部分教師つきマルチラベル分類(PSMLC)の,未探索問題の経験的理解を提供した。完全に監督された対応物とは対照的に,医療データ不足に起因する部分監視は,モデル性能に自明でないマイナスの影響を持っている。潜在的治療法は部分ラベルを増強できる。近接リスク最小化(VRM)はモデルの一般化能力を改善する有望な解決策であるが,PSMLCへの応用は未解決の問題である。方法論的ギャップを埋めるために,PSMLCに対する最初のVRMベースの解決策を提供した。また,経験的結果は,データ不足の下で部分的教師つき学習に関する将来の研究方向への洞察を提供する。【JST・京大機械翻訳】