文献

J-GLOBAL ID：202202222942998769   整理番号：22A0312604

伝達学習と微調整を用いた解析可能メタ位相画像の分類【JST・京大機械翻訳】

Classification of analyzable metaphase images using transfer learning and fine tuning

著者 (1件)： Albayrak Abdulkadir (Department of Computer Engineering, Faculty of Engineering, Dicle University, Diyarbakir, Turkey)
資料名： Medical & Biological Engineering & Computing  (Medical & Biological Engineering & Computing)
巻： 60  号： 1  ページ： 239-248  発行年： 2022年 
JST資料番号： C0046B  ISSN： 0140-0118  CODEN： MBECDY  資料種別： 逐次刊行物 (A)
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： 染色体は,ヒトの遺伝的情報を含む体である。染色体障害は,個人において構造的および機能的障害を引き起こす可能性がある。細胞の中期段階を正確に検出することは,染色体における可能な欠陥を検出する重要なステップである。従って,この段階で,各染色体の同一染色体を同定し,対合過程を実行し,この過程から生じる問題を同定することが重要である。本研究では,解析可能な中期画像を,深層学習モデルの転送学習と微調整アプローチを用いて解析できるかどうかを検討した。ImageNetデータセットで訓練されたVGG16とIncevingV3モデルの重みをこの問題に転送し,分類プロセスを実施した。True陽性比率値は,VGGと開始ネットワークでそれぞれ99%(±0.9)と99%(±0.9)であった。変化訓練セット比に依存して得られた分類性能を,図で比較的示した。VGGおよび開始ネットワークに対して得られたF測度,精度および想起値は,それぞれ99%(±1.0)および99%(±1.0)であった。VGGとIncev3ネットワークのF測度,精度,および再現値も訓練サイズの比に関して提示した。得られた結果を,文献における最先端の方法と比較し,表とグラフィックスでサポートした。また,訓練フェーズは,転送学習と微調整法を用いて加速した。転送学習と微調整プロセスは,文献で使用されるモデルとほとんど同じ性能を持ち,中期検出におけるスクラッチから訓練された。Copyright International Federation for Medical and Biological Engineering 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 測度 ,  *学習 ,  ネットワーク ,  精度 ,  遺伝 ,  染色体 ,  ヒト ,  機能障害 ,  機械学習
準シソーラス用語： 位相画像 ,  スクラッチ ,  微調整 ,  転移学習 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： カリオタイピング ,  中期検出 ,  転移学習 ,  Vgg16 ,  Inceptionv3 ,  深層学習

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 学習 ,  微調整 ,  解析 ,  位相画像 ,  分類