文献

J-GLOBAL ID：202202213090472940   整理番号：22A1039744

子宮頚部細胞分類のための半教師つき深層学習法【JST・京大機械翻訳】

A Semi-supervised Deep Learning Method for Cervical Cell Classification

著者 (4件)： Zhao Siqi (School of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080, China) ,  He Yongjun (School of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080, China) ,  Qin Jian (School of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080, China) ,  Wang Zixuan (School of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080, China)
資料名： Analytical Cellular Pathology  (Analytical Cellular Pathology)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： T0899A  ISSN： 2210-7177  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 現在,薄い細胞学的試験(TCT)は,最も一般的な子宮頸癌細胞学試験技術である。それは前癌状態と微生物感染を検出することができる。しかしながら,この技術は手動操作と医師の肉眼観察に完全に依存し,重い作業負荷と低い精度率をもたらす。最近,この問題を解決するため自動病理診断が開発されている。頸部細胞分類は,知的子宮頸癌診断システムにおけるキー技術である。深層ニューラルネットワークベースの分類モデルの訓練は大量のデータを必要とする。しかし,頸部細胞標識は専門医師を必要とし,ラベリングの費用は高く,この分野における十分なラベリングデータの欠如をもたらす。この問題に取り組むために,半教師つき学習におけるデータ拡張を達成するために,手動特徴および投票機構を導入することによって,少量のラベル付きデータによる頸部細胞分類における高精度を確実にする方法を提案した。提案手法は,高品質な頸部セル画像をフィルタリングし,それらの少量を注釈付けし,投票機構を用いて訓練データをバランスさせるための明瞭度関数を用いた3つの主なステップからなる。少量のラベル付きデータによって,本論文における提案方法の精度は,91.94%に達することができた。Copyright 2022 Siqi Zhao et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *分類 ,  フィルタリング ,  明瞭度 ,  投票 ,  前癌状態 ,  *子宮頚部腫瘍 ,  細胞生物学
準シソーラス用語： *子宮頚 ,  訓練データ ,  高精度 ,  半教師つき学習 ,  *細胞分類 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 女性生殖器と胎児の腫よう  (GS04000K) ,  腫ようの診断  (GE03020J)

引用文献 (22件)：

• F. Bray, J. Ferlay, I. Soerjomataram, R. L. Siegel, L. A. Torre, A. Jemal, "Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries," CA: a cancer journal for clinicians, vol. 68, no. 6, pp. 394-424, 2018.
• Y. Zhou, S. Chen, Y. Wang, W. Huan, "Review of research on lightweight convolutional neural networks," 2020 IEEE 5th Information Technology and Mechatronics Engineering Conference (ITOEC), pp. 1713-1720, Chongqing, China, 2020.
• A. Krizhevsky, I. Sutskever, G. E. Hinton, "Imagenet classification with deep convolutional neural networks," Advances in Neural Information Processing Systems 25 (NIPS 2012), pp. 1097-1105, Lake Tahoe, NV, USA, 2012.
• K. Simonyan, A. Zisserman, "Very deep convolutional networks for large-scale image recognition," International Conference on Learning Representations, vol. 5, pp. 1-14, 2015.
• C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke, A. Rabinovich, "Going deeper with convolutions," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 1-9, Boston, MA, USA, 2015.

タイトルに関連する用語 (4件)： 子宮頚部 ,  細胞分類 ,  教師 ,  深層学習