皮膚科ワークフローにおける深層学習法のロバスト性の評価【JST・京大機械翻訳】

Mishra Sourav; Chaudhury Subhajit; Imaizumi Hideaki; Yamasaki Toshihiko

プレプリント

J-GLOBAL ID：202202202392473927 整理番号：22P0101566

皮膚科ワークフローにおける深層学習法のロバスト性の評価【JST・京大機械翻訳】

Assessing Robustness of Deep learning Methods in Dermatological Workflow

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年01月15日プレプリントサーバーでの情報更新日： 2020年03月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文は,特に皮膚科に焦点を当て,臨床ワークフローに対する現在の深層学習法の適合性を評価することを目的とした。深層学習法は,いくつかの個々の条件で皮膚科医レベル精度を得るために試みられてきたが,一般的な臨床 complaints訴について厳密には試験されていない。ほとんどのプロジェクトは,よく制御された実験室条件で得られたデータを含む。これは,対応する画像品質が必ずしも理想的ではない通常の臨床評価を反映しないかもしれない。10クラスの病気のユーザ提出画像における非理想特性をシミュレートすることにより,深層学習法のロバスト性を試験した。模倣された条件を通して,著者らは,ロバスト訓練にもかかわらず,多くの場合において,全体精度が降下し,個々の予測が著しく変化することを見出した。【JST・京大機械翻訳】

, , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , 人工知能

, , , ,

前のページに戻る