文献

J-GLOBAL ID：202202250436827399   整理番号：22A0630237

ランキングによる正則化PU学習による染色体異常による信頼できないラベルによる胚等級づけ【JST・京大機械翻訳】

Embryo Grading With Unreliable Labels Due to Chromosome Abnormalities by Regularized PU Learning With Ranking

著者 (2件)： Nagaya Masashi (Graduate School of Engineering, Toyota Technological Institute, Nagoya, Japan) ,  Ukita Norimichi (Graduate School of Engineering, Toyota Technological Institute, Nagoya, Japan)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 41  号： 2  ページ： 320-331  発行年： 2022年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
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： 画像によるヒト胚等級づけ法を提案した。この等級づけは,陽性陰性分類(すなわち,生児または非生児出生)によって達成された。しかし,臨床診療で収集された陰性(非生児)ラベルは,陰性画像の視覚特徴が陽性(生児)画像と等しいので,これらの非生胎生胚が染色体異常を持つ場合,信頼できない。これらの信頼できないラベルの悪影響を軽減するために,著者らの方法は,陽性および無標識の出生が陽性および非標識としてラベル付けされ,非ラベルサンプルが陽性および陰性サンプルの両方を含むように,それぞれ,ポジティブラベル付け(PU)学習を採用した。提案手法では,深層CNN上でのこのPU学習は学習-ランク方式によって改善される。正負学習のために元の学習-ランク方式を設計したが,PU学習に拡張した。さらに,このPU学習における過剰適合は相互情報による正則化によって軽減される。643の時間経過画像シーケンスによる実験結果は,認識精度と解釈可能性に関して著者らのフレームワークの有効性を実証した。定量的比較において,著者らの提案した方法の全バージョンは,広いマージン(再現で0.22対0.69,F測定で0.27対0.42)で,想起とF測度における正負分類を凌駕した。定性的評価において,著者らの方法で推定した視覚的注意は,臨床診療における形態学的評価と比較して解釈可能である。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： 測度 ,  *学習 ,  *ラベル ,  *染色体異常 ,  ヒト ,  画像 ,  等級づけ ,  胎生 ,  *正則化 ,  深層 ,  有効性 ,  モルフォロジー
準シソーラス用語： 出生 ,  認識精度 ,  定性的評価 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (8件)： ランキング ,  正則化 ,  PU学習 ,  染色体異常 ,  信頼 ,  ラベル ,  胚 ,  等級づけ