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。
実語医用画像分類に見られる共通問題は,正パターンが通常稀であるデータセットにおける正と負のパターンの固有不均衡である。さらに,ニューラルネットワークによる多重クラスの分類において,訓練パターンは,1つの出力ノードにおける陽性パターンとして,そして,すべての残りの出力ノードにおいて陰性として扱われた。本論文では,損失関数における訓練パターンの重みを,クラスにおける訓練パターンの数だけでなく,その1つが正としてこの訓練パターンを扱う異なるノードにも,また,それが陰性としてそれを扱うことに基づいて設計した。胸部疾患分類問題のための最新の深層ネットワークアーキテクチャからの深層ネットワーク訓練と訓練最適化のための重み計算アルゴリズムの組合せアプローチを提案した。胸部X線画像データセットに関する実験結果は,この新しい重みづけ方式が分類性能を改善し,また,効率的Netからの訓練最適化が性能をさらに改善することを示した。胸部疾患分類の以前の研究からいくつかの性能を有する凝集体法を比較し,提案した方法に対する公正な比較を提供した。【JST・京大機械翻訳】