スクリーニングマンモグラフィーにおける乳癌検出を強化するための自己教師付き深層学習【JST・京大機械翻訳】

Miller John D.; Arasu Vignesh A.; Pu Albert X.; Margolies Laurie R.; Sieh Weiva; Shen Li

プレプリント

J-GLOBAL ID：202202203364202124 整理番号：22P0305462

スクリーニングマンモグラフィーにおける乳癌検出を強化するための自己教師付き深層学習【JST・京大機械翻訳】

Self-Supervised Deep Learning to Enhance Breast Cancer Detection on Screening Mammography

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 (6件)： , , , , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2022年03月15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)

人工知能(AI)システムへの深層学習の適用における主な制限は,高品質な削減データセットの不足である。この問題に取り組むための強力な増強ベース自己監督学習(SSL)技術を研究した。例として乳癌検出を用いて,最初にマンモグラム特異的変換パラダイムを同定し,次に,アプローチの多様性を表す4つの最近のSSL法を系統的に比較した。事前訓練されたモデルを,均一タイル化パッチを全画像に,また,分類性能を改善する注意ベースプール化法から変換する方法を開発した。最良のSSLモデルは,ベースライン教師つきモデルよりも実質的に優れていることを見出した。最良のSSLモデルは,試料ラベリングのデータ効率もほぼ4倍改善し,1データセットからもう1つのデータセットまで高度に移動可能であった。SSLはコンピュータビジョンにおける主要なブレークスルーであり,医療イメージング分野に対するAIが,教師つき学習からシフトし,不十分なラベルへの依存性をシフトさせるのを助けるかもしれない。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る