文献

J-GLOBAL ID：202202232736054229   整理番号：22A0623568

改良Deep ResNet分類に基づくVGG-19特徴抽出ネットワークを用いた胎児神経変性疾患分類【JST・京大機械翻訳】

Foetal neurodegenerative disease classification using improved deep ResNet classification based VGG-19 feature extraction network

著者 (2件)： Siddan Gopinath (Department of Electronics and Communication Engineering, Swarnandhra Institute of Engineering & Technology, Narasapur, Andhrapradhesh, India) ,  Palraj Pradeepa (Department of Electrical and Electronics Engineering, Jain Deemed to be University, Bangalore, India)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 2  ページ： 2393-2408  発行年： 2022年 
JST資料番号： W1102A  ISSN： 1380-7501  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： 神経変性疾患は,いくつかの脳部分の死亡について定義された。この疾患は壊滅的な結果で治癒する危険な疾患である。高齢者に加えて,神経変性疾患は胎児に影響するので妊婦を脅かす。神経変性疾患に関連する既存の研究は,非常に少ない。妊娠中の胎児における神経変性疾患の診断は,医療分野における主要な課題である。本研究では,胎児のための神経変性疾患を,新しいVGG-19特徴抽出と改良深いResNet分類器に基づいて分類した。この提案した概念は特徴抽出と移動学習に基づく分類に従う。効果的な特徴抽出のために,Visual Geometry Group-VGG-19は広く使われており,胎児MRI脳における神経変性疾患のより良い分類のために,提案した改良深残差ネットワーク-ResNet分類器が実行される。ResNetは代替ショートカット経路を可能にし,消失勾配問題を低減する。電流層が不要であれば,CNN重み層はResNetアイデンティティマッピングによって迂回される。したがって,適合問題に関する訓練セットを避ける。VGG-19ネットワークの主要な役割は,3×3フィルタサイズの助けを借りてCNN深さを増加させることである。提案した研究を,様々な性能計量といくつかの活性化関数に関して,提案したスワシ活性化関数と比較して評価した。結果は,提案方法が,既存の研究と比較してより良い値をもたらし,胎児脳画像を使用したことを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *ネットワーク ,  *特徴抽出 ,  残差 ,  胎児 ,  妊娠 ,  妊婦
準シソーラス用語： *神経変性疾患 , 【Automatic Indexing@JST】

著者キーワード (6件)： 神経変性疾患 ,  胎児MRI脳 ,  分類 ,  特徴抽出 ,  VGG-19 ,  深いResNet

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 分類 ,  特徴抽出 ,  胎児 ,  神経変性疾患