文献

J-GLOBAL ID：202202258624169773   整理番号：22A0623536

CT画像における深部特徴を用いた肝病変分類に対するFireNet-MLstm【JST・京大機械翻訳】

FireNet-MLstm for classifying liver lesions by using deep features in CT images

著者 (3件)： Kashala Kabe Gedeon (School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang, China) ,  Song Yuqing (School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang, China) ,  Liu Zhe (School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang, China)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 2  ページ： 1607-1623  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： 医用イメージングドメインにおける作業は,そのようなデータセットの収集が複雑であるため,大きな課題として残っているので,深い学習技術は,多くの分野にわたる応用の多様性において大きな成功を遂げている。本研究では,Hepatocellular carcinoma,Metastase,Hemangomas,および健康な組織の肝臓病変を分類するための2つの新規ニューラルネットワークを組み合わせた。FireNetと呼ばれる最初のモデルでは,火災モジュールを導入し,モデルサイズと迅速分類のためのパラメータ数を低減した。第一部は,空間特徴情報を抽出する電荷にある。次に,修正Long Short-Termメモリ(MLstm)と呼ばれる第2のモデル,FireNetによって抽出された特徴を,G損失と呼ばれる新しい損失関数による時間情報と予測のために使用する。提案したFireNet-MLstmモデルを改善するために,新しいバイアスを忘れゲートを通して追加した。活性化関数と双曲線正接も追加し,予測精度を増加させた。本研究で使用したデータセットは,2015年から2018年までのJiangbin病院のHCC,MET,HEM,および健康組織による医療記録を検索し,120人の患者,1人または複数のHccを有する30人の患者,1人または複数のHemの患者30人,1人または複数のHemの26人の患者,1人または複数のMetを有する23人の患者,および非病変を有する41人の健康であった。提案したFireNet-MLstmモデルの最終分類精度は91.2%であった。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： 関数 ,  記憶装置 ,  学習 ,  損失関数 ,  ネットワーク ,  *分類 ,  ニューラルネットワーク ,  双曲線 ,  計算機トモグラフィー ,  機械学習 ,  カルテ
準シソーラス用語： *CT画像 ,  予測精度 ,  活性化関数 ,  医用画像処理 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  肝臓病変の分類 ,  コンピュータ断層撮影(CT) ,  畳込みニューラルネットワーク ,  長期短期記憶ネットワーク(LSTM)

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： CT画像 ,  深部 ,  病変 ,  分類