文献

J-GLOBAL ID：202202221592822915   整理番号：22A0862981

皮膚病変セグメンテーションのためのAtrous空間ピラミッドプーリングによるU-Net【JST・京大機械翻訳】

U-Net with Atrous Spatial Pyramid Pooling for Skin Lesion Segmentation

著者 (4件)： Stofa Marzuraikah Mohd (Universiti Kebangsaan Malaysia UKM, Bangi, Selangor, Malaysia) ,  Zulkifley Mohd Asyraf (Universiti Kebangsaan Malaysia UKM, Bangi, Selangor, Malaysia) ,  Zainuri Muhammad Ammirrul Atiqi Mohd (Universiti Kebangsaan Malaysia UKM, Bangi, Selangor, Malaysia) ,  Ibrahim Ahmad Asrul (Universiti Kebangsaan Malaysia UKM, Bangi, Selangor, Malaysia)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 842  ページ： 1025-1033  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 皮膚病変セグメンテーションは,皮膚の特定の領域に医療スタッフを集中することにより手動診断を改善できるため,皮膚癌診断において最も重要な役割である。初期段階での皮膚癌の検出は,生存率を有意に高めることができる。ダーモスコピー画像に関するセグメンテーションに関する多くの以前の研究は,従来の機械学習アプローチが用いられたならば,様々な皮膚条件にわたって視覚的複雑性と曖昧さのために複雑な作業であり,各疾患特徴は手によって構築されなければならない。それは,種々の皮膚病変から単一システムを構築する複雑なプロセスであり,特に,システムに挿入された新しい皮膚病変タイプが手作業の特徴に合致しなかった。最近,深層学習は,膨大な量のデータを用いて訓練するとき,その精度の優位性により,より多くの注目を得た。U-Netは,深層学習法のひとつであり,顕著な深層学習モデルである。特に,本論文では,U-Netを用いた皮膚病変のセグメンテーションのための方法を,アトラス空間ピラミッドプールを用いて提案した。2017年のISICチャレンジデータセットからのセグメント画像に適用し,Jaccard Indexと訓練の精度を用いて評価した。実験所見は,改良U-NetがJaccard指数スコアの0.7572と90.74%の精度を達成することを示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  畳込み ,  *セグメンテーション ,  特性 ,  *皮膚 ,  顕微鏡観察 ,  病気 ,  画像 ,  生存率 ,  *皮膚障害 ,  曖昧さ ,  皮膚腫瘍 ,  画像診断 ,  機械学習
準シソーラス用語： ダーモスコピー ,  アトラス ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 皮膚病変 ,  拡大畳込み ,  セグメンテーション

分類 (2件)： 腫ようの診断  (GE03020J) ,  皮膚の腫よう  (GF04000X)

タイトルに関連する用語 (4件)： 皮膚病変 ,  セグメンテーション ,  ピラミッド ,  U-Net