癌核検出のための注意機構および焦点Tversky損失関数を組み込んだ畳込み再帰残差U-Net【JST・京大機械翻訳】

Das Kaushik; Zhang Qianni

プレプリント

J-GLOBAL ID：202202204803133386 整理番号：22P0198625

癌核検出のための注意機構および焦点Tversky損失関数を組み込んだ畳込み再帰残差U-Net【JST・京大機械翻訳】

Convolutional Recurrent Residual U-Net Embedded with Attention Mechanism and Focal Tversky Loss Function for Cancerous Nuclei Detection

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 (2件)： ,
資料名：
発行年： 2020年10月09日プレプリントサーバーでの情報更新日： 2020年10月09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)

この10年の開始以来,CNNはコンピュータビジョンタスクの分野で非常に成功したツールである。CNNの発明は神経科学から触発され,視覚系と多くの解剖学的類似性を共有する。人間の視覚システムの解剖学に触発されて,既存のU-Netアーキテクチャを多くの方法で改良することができる。人間の視覚系が注意機構を使用するので,著者らは,正常隠蔽の代わりに注意結合を使用した。CNNは自然で純粋にフィードフォワードであるが,解剖学的証拠は,著者らの脳が再発性シナプスを含み,それらはしばしばフィードフォワードとトップダウン接続を除外することを示す。この事実は,U-Netの正常畳込みブロックの代わりに再電流畳み込みコネクションを行う。本論文はまた,医用画像解析の分野におけるクラス不均衡問題を扱う。本論文は,最先端の損失関数の助けを借りて,クラス不均衡の問題を解決した。摩耗は,いくつかの訓練データでエンドを訓練し,U-Netの他の変種より性能が優れていた。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,

脳・神経系モデル , パターン認識

, , , , , , ,

前のページに戻る