文献

J-GLOBAL ID：202202247308323152   整理番号：22A0183703

自己アンサンブル二重カリキュラム学習による不均衡データ上の緑内障診断【JST・京大機械翻訳】

Diagnosing glaucoma on imbalanced data with self-ensemble dual-curriculum learning

著者 (4件)： Zhao Rongchang (School of Computer Science and Engineering, Central South University, Changsha, 410083, China) ,  Chen Xuanlin (School of Computer Science and Engineering, Central South University, Changsha, 410083, China) ,  Chen Zailiang (School of Computer Science and Engineering, Central South University, Changsha, 410083, China) ,  Li Shuo (Western University, London, ON, Canada)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 75  ページ： Null  発行年： 2022年 
JST資料番号： W3156A  ISSN： 1361-8415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Glaucoma診断はしばしば2タイプのデータ不均衡に悩まされる。1)クラス不均衡,すなわち,非緑内障大多数ケースは大部分のデータを占める;2)まれな症例,すなわち,少数の症例が,まれな網膜症,例えば,バヨネッティングまたは生理的クッピングを示す。この二重不均衡は緑内障診断モデルを大多数事例で支配するのが容易であるが,少数および/またはまれなものを正しく分類できない。本論文では,特徴空間,自己アンサンブルデュアルキュラム学習(SEDC)における適応再均衡戦略を提案し,特徴蒸留と特徴再重みづけによる特徴分布の増強により不均衡データに関する緑内障診断を改善した。最初に,自己アンサンブル(SEL)を開発し,少数クラスに対する特徴表現の識別能力を強化し,豊富な大多数事例から学習された特徴の蒸留によりまれなケースを補強した。第2に,正確な緑内障診断のためのバランス決定関数を学習するために,特徴空間において不均衡データを適応的に再重みづけするために,デュアルキュラム(DCL)を設計した。特徴蒸留と再重み付けから利益を得て,提案したSEDCは,不均衡データセット上の正確な緑内障診断のための最適な決定境界を得るために,特徴分布を増加させることによって,大多数またはまれなケースに関係なく,基底画像をかなり表現する。3つの挑戦的な緑内障データセットに関する実験結果は,著者らのSEDCが,精度0.9712,感度0.9520,特異性0.9816,AUC0.9928,F2スコア0.9547の平均値で,適応再平衡戦略によって正確な緑内障診断を成功させることを示した。アブレーションと比較研究は,著者らの方法が最先端の方法と従来の再平衡戦略より優れていることを証明した。また,実験は,著者らの方式において提案した適応再平衡戦略が,最適収束性能を有するより効果的な訓練アプローチを提供することを示した。SEDCは不均衡データ分布に関する疾患診断を扱う大きな利点を与える。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  蒸留 ,  基底 ,  *緑内障 ,  カリキュラム ,  *釣合 ,  重みづけ ,  アブレーション ,  網膜症
準シソーラス用語： 不均衡 ,  特異性 ,  *不均衡データ ,  不均衡データセット ,  クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (6件)： カリキュラム学習 ,  Glaucoma診断 ,  データ不均衡 ,  特徴増強 ,  コンピュータ支援診断 ,  自己集合

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 自己 ,  アンサンブル ,  カリキュラム ,  学習 ,  不均衡データ ,  緑内障 ,  診断