ブーストされた効率的なネット:畳込みニューラルネットワークを用いた乳癌におけるリンパ節転移の検出【JST・京大機械翻訳】

Wang Jun; Liu Qianying; Xie Haotian; Yang Zhaogang; Zhou Hefeng

プレプリント

J-GLOBAL ID：202202218410257947 整理番号：21P0053527

ブーストされた効率的なネット:畳込みニューラルネットワークを用いた乳癌におけるリンパ節転移の検出【JST・京大機械翻訳】

Boosted EfficientNet: Detection of Lymph Node Metastases in Breast Cancer Using Convolutional Neural Network

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 (5件)： , , , ,
資料名：
発行年： 2020年10月10日プレプリントサーバーでの情報更新日： 2020年10月10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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

近年,全スライド画像の開発の進歩は,病理学におけるディジタル画像の利用の基盤となっている。組織または細胞型を自動的に同定するコンピュータ画像分析の支援により,それらは組織病理学的解釈および診断精度を大いに改善した。本論文では,畳込み中性ネットワーク(CNN)を適用して,乳癌におけるリンパ節転移を予測し,分類した。高解像度画像にだけ適している従来の画像作付け法とは異なり,著者らは,小解像度画像を容易にするために,ランダムセンタークロッピング(RCC)という新しいデータ増強法を提案した。RCCは画像解像度と画像の中心領域を維持しながらデータセットを豊かにする。さらに,ネットワークのダウンサンプリングスケールを低減し,さらに小さな解像度画像をさらに容易にした。さらに,注意と特徴融合(FF)機構を採用して,画像の意味論的情報を改善した。実験により,本手法が基本CNNアーキテクチャの性能を高めることを実証した。そして,最良性能の方法は,RPCamデータセットに関して,それぞれ,97.96%の精度と99.68%のAUCを達成した。【JST・京大機械翻訳】

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

医用画像処理 , 腫ようの診断

, , ,

前のページに戻る