文献

J-GLOBAL ID：202202227043988422   整理番号：22A0964377

事前訓練ネットワークに関する比較解析による転移学習を用いた脳腫瘍MRIスキャンの分類【JST・京大機械翻訳】

Classification of Brain Tumor MRI Scans using Transfer Learning with a Comparative Analysis on Pre-Trained Networks

著者 (3件)： Shah Ashita (Ramrao Adik Institute of Technology Nerul,Department of Information Technology,Navi Mumbai,MH,India,400706) ,  Chavan Pallavi (Ramrao Adik Institute of Technology D Y Patil Deemed to be University, Nerul,Department of Information Technology,Navi Mumbai,MH,India,400706) ,  Jadhav Dipti (Ramrao Adik Institute of Technology D Y Patil Deemed to be University, Nerul,Department of Information Technology,Navi Mumbai,MH,India,400706)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICONAT  ページ： 1-7  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 脳MRIスキャンの分類は,それらが腫瘍性であるか,または,困難な作業であるかどうかを正確に決定するために正確に走査する。深層学習モデルは,データの分類のためによく使用され,多くの計算時間とメモリを必要とするが,柔軟性は,特定のアプリケーションのためにスクラッチから訓練されたときに最高である。データセット,メモリ,計算時間,および努力のアベイラビリティに制約がある場合,移動学習はモデルを効率的に訓練するために主要な役割を果たす。本研究では,移動学習を用いて,脳MRIスキャンを分類し,それらが腫瘍性であるか,そうでないかどうかを決定した。転送学習は,最後の学習可能層を微調整することにより,より小さなデータセット上で事前訓練モデルを訓練するのに役立つ。Google Net,Alexnet,SqueezeNet,VGG16およびVGG19のような事前訓練モデルを,最初に訓練し,小「Brain腫瘍」データセットで試験した。訓練は,各ネットワークの学習可能層を微調整し,訓練オプションを設定することにより実行される。性能は混乱行列を用いて評価し,SqueezeNetは92.08%の最高精度を達成した。さらに,AlexnetとSqueezeNetを3064T1強調画像からなるデータセット上で訓練した。したがって,最後の層の修正と微調整,移動学習は,予測を行うための望ましいデータセット上でさらに訓練された異なるデータセット上で事前訓練されたネットワークを訓練するのを助ける。比較分析を研究の最後に提示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *学習 ,  *ネットワーク ,  *腫瘍 ,  *脳腫瘍 ,  アベイラビリティ ,  柔軟性 ,  応用プログラム ,  カオス
準シソーラス用語： Google ,  頭部MRI ,  比較分析 ,  微調整 ,  *転移学習 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 訓練 ,  解析 ,  転移学習 ,  脳腫瘍 ,  MRI ,  スキャン ,  分類