文献

J-GLOBAL ID：202202234173550499   整理番号：22A1165580

乳癌組織病理学的画像分類のための効率的なNetv2モデル【JST・京大機械翻訳】

EfficientNetv2 Model for Breast Cancer Histopathological Image Classification

著者 (4件)： Liu Dingming (School of Information Science and Technology, Guangdong University of Foreign Studies,Guangzhou,China,510000) ,  Wang Weixiao (School of Automation Science and Engineering, Xi’an Jiaotong University,Xi’an,China,710000) ,  Wu Xuanrui (Xi’an Jiaotong University,Jinhe Center for Economic Research,Xi’an,China,710000) ,  Yang Junjie (School of Information, Southwest Petroleum University, SWPU,Nanchong,China,637001)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： IWECAI  ページ： 384-387  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： 女性における乳癌の発生率は,世界的に24.2%であり,女性癌の間で最初にランク付けされている。現代の医用画像処理技術と深層学習アルゴリズムの組合せは,遠隔診断,即時ファイルアクセス,および簡易手順相談に効果的に適用することができる。本論文では,ブラジル,パラナのP&D研究所からの乳房腫瘍組織の9,109の顕微鏡画像を用いて,Tensorflow Kerasバックエンドと畳み込みニューラルネットワークの基本アーキテクチャを用いて,効率的なnetv2,Resnet_v2,Inception_v3,Mobilenet_v2およびInception_Resnet_v2を含む異なる事前訓練畳込みニューラルネットワークモデルにおける乳癌予測の精度を比較した。全体として,効率的netv2-b0からb2は,Mobilenet_v2とInception_Resnet_v2としてほぼ良好に機能した。効率的netv2-b1は,0.978の正確性スコアで,著者らの研究において最良であった。開始v3は,精度スコアがわずか0.739である他のモデルよりはるかに低かった。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： ブラジル連邦共和国 ,  画像処理 ,  女性 ,  等級づけ ,  深層 ,  計算機アーキテクチャ ,  *乳房腫瘍 ,  学習アルゴリズム
準シソーラス用語： バックエンド ,  *画像分類 ,  遠隔診断 ,  正確性 ,  顕微鏡画像 ,  医用画像処理 ,  ファイルアクセス ,  畳込みニューラルネットワーク , 【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 (4件)： 乳癌 ,  組織病理学 ,  画像分類 ,  モデル