文献

J-GLOBAL ID：202202251903996213   整理番号：22A0011440

半教師つき効率的コントラスト学習による小データセット上の食道疾患の分類性能の改善【JST・京大機械翻訳】

Improving the Classification Performance of Esophageal Disease on Small Dataset by Semi-supervised Efficient Contrastive Learning

著者 (13件)： Du Wenju (Center for Informational Biology, University of Electronic Science and Technology of China, Chengdu, China) ,  Du Wenju (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Rao Nini (Center for Informational Biology, University of Electronic Science and Technology of China, Chengdu, China) ,  Rao Nini (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Yong Jiahao (Center for Informational Biology, University of Electronic Science and Technology of China, Chengdu, China) ,  Yong Jiahao (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Wang Yingchun (Center for Informational Biology, University of Electronic Science and Technology of China, Chengdu, China) ,  Wang Yingchun (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Hu Dingcan (Center for Informational Biology, University of Electronic Science and Technology of China, Chengdu, China) ,  Hu Dingcan (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Gan Tao (Digestive Endoscopic Center of West China Hospital, Sichuan University, Chengdu, China) ,  Zhu Linlin (Digestive Endoscopic Center of West China Hospital, Sichuan University, Chengdu, China) ,  Zeng Bing (School of Information and Communication Engineering, University Electronic Science and Technology of China, Chengdu, China)
資料名： Journal of Medical Systems  (Journal of Medical Systems)
巻： 46  号： 1  ページ： 4  発行年： 2022年 
JST資料番号： W4623A  ISSN： 1573-689X  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： 胃鏡画像に基づく食道疾患の分類は,臨床治療において重要であり,また,追跡調査治療計画および病変悪化を予防する患者の提供にも有用である。近年,深層学習は,胃鏡画像分類タスクにおいて多くの満足のいく結果を達成した。しかし,それらの大部分は経験した専門家によってラベル付けされた多数の画像からなる訓練セットを必要とする。画像アノテーション負荷を減らし,小さなラベル付き胃鏡画像データセットの分類能力を改善するために,本研究では,食道疾患に対する新規半教師つき効率的コントラスト学習(SSECL)分類法を提案した。最初に,効率的なコントラスト対生成(ECPG)モジュールを提案し,同じ病変からの画像の高い類似性特徴を利用した効率的なコントラスト対(ECPs)を生成した。次に,食道胃鏡画像の一般的特徴を含む教師なし視覚特徴表現を,教師なし効率的コントラスト学習(UECL)によって学習した。最後に,特徴表現をダウンストリーム食道疾患分類タスクに移す。実験結果は,SSECLの分類精度が92.57%であり,他の最先端の半教師つき方法のものより良いことを示し,また,2.28%の転送学習(TL)に基づく分類法より高い。したがって,SSECLは,同じ病変からの画像間の非ラベル付きの胃鏡画像および高い類似性情報を完全に利用することによって,小さな胃鏡画像データセットに関する分類結果を改善する挑戦的な問題を解決した。また,医用画像分類タスクに新しい洞察をもたらす。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： *コントラスト ,  対生成 ,  *学習 ,  *食道 ,  医用画像 ,  類似性 ,  *食道疾患 ,  治療計画 ,  追跡調査
準シソーラス用語： 分類法 ,  画像分類 ,  分類精度 ,  半教師つき学習 ,  特徴表現 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 食道疾患 ,  胃内視鏡画像 ,  半教師つき学習 ,  対照的学習 ,  分類

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

タイトルに関連する用語 (6件)： 教師 ,  コントラスト ,  学習 ,  データセット ,  食道疾患 ,  分類