文献

J-GLOBAL ID：202202224571215279   整理番号：22A0446838

脳腫瘍画像分類のための適応学習速度ベース畳込みニューラルネットワークモデル【JST・京大機械翻訳】

Adaptive Learning Rate-Based Convolutional Neural Network Models for Brain Tumor Images Classification

著者 (3件)： Padmapriya Thiyagarajan (Department of Computer Science and Applications, The Gandhigram Rural Institute-Deemed to be University, Dindigul, India) ,  Kalaiselvi Thiruvenkatam (Department of Computer Science and Applications, The Gandhigram Rural Institute-Deemed to be University, Dindigul, India) ,  Somasundaram Karuppanagounder (Department of Computer Science and Applications, The Gandhigram Rural Institute-Deemed to be University, Dindigul, India)
資料名： Springer Proceedings in Mathematics & Statistics  (Springer Proceedings in Mathematics & Statistics)
巻： 376  ページ： 135-146  発行年： 2022年 
JST資料番号： W5074A  ISSN： 2194-1009  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： 本研究で,著者らは,Cheng et al.Learning速度によって生成された公的に利用可能なデータセットを使用して,神経膠腫,髄膜腫,および下垂体腫瘍のような3つのタイプの致死脳腫瘍を分類するための固定,スケジュール,および適応学習率に基づく3つのCNNモデルを導入し,CNNモデルの精度の増加または減少に及ぼす著しい影響を有する。最初に,モデルハイパーパラメータを固定するためのいくつかの実験を行った。次に,3種類のCNNモデルを,モデル1の学習速度を固定し,固定学習速度ネットワーク(FLRNET)と命名し,モデル2の学習速度をスケジューリングし,学習速度スケジュールネットワーク(LRSNET)と命名し,モデル3の学習速度を適応的に設定し,適応学習速度スケジュールネットワーク(ALRSNET)と名付けた。最後に,脳腫瘍型の3064T1加重MRI画像を含む標準MRIデータセットに関する3つの提案モデルを評価した。適応モデルALRSNETで99.2%の最高精度を達成し,これは文献において利用可能な他の最先端の方法より優れていた。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： スケジューリング ,  *ネットワーク ,  *腫瘍 ,  *脳腫瘍 ,  神経膠腫 ,  NMRイメージング ,  下垂体腫瘍 ,  髄膜腫
準シソーラス用語： *適応学習 ,  *画像分類 ,  学習速度 ,  ハイパーパラメータ ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (8件)： 人工知能 ,  深層学習 ,  畳込みニューラルネットワーク ,  学習速度 ,  脳腫瘍 ,  神経膠腫腫瘍 ,  髄膜腫腫瘍 ,  下垂体腫瘍

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 脳腫瘍 ,  画像分類 ,  適応 ,  学習速度 ,  畳込みニューラルネットワーク ,  モデル