文献

J-GLOBAL ID：202202259241069471   整理番号：22A0479999

核融合M4Net:マルチラベル皮膚病変分類のための多段階マルチモーダル学習アルゴリズム【JST・京大機械翻訳】

FusionM4Net: A multi-stage multi-modal learning algorithm for multi-label skin lesion classification

著者 (6件)： Tang Peng (Department of Informatics and Munich School of BioEngineering, Technical University of Munich, Munich, Germany) ,  Yan Xintong (State Grid Henan Economic Research Institute, Zhengzhou, Henan 450052, China) ,  Nan Yang (National Heart and Lung Institute, Imperial College London, London, UK) ,  Xiang Shao (Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, Hubei 430079, China) ,  Krammer Sebastian (Department of Dermatology and Allergy, University Hospital, LMU Munich, Munich, Germany) ,  Lasser Tobias (Department of Informatics and Munich School of BioEngineering, Technical University of Munich, Munich, Germany)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 76  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： 皮膚疾患は世界で最も一般的な疾患の1つである。深層学習に基づく方法は,優れた皮膚病変認識性能を達成し,その多くはダーモスコピー画像のみに基づいている。マルチモダリティデータ(患者のメタデータ,臨床画像,およびダーモスコピー画像)を使用する最近の研究では,方法は1段階融合アプローチを採用し,特徴レベルで情報融合を最適化するだけである。これらの方法は,決定レベルで情報融合を使用せず,従って,すべてのモダリティのデータを完全に使用できない。本研究では,マルチラベル皮膚疾患分類のための新しい2段階マルチモーダル学習アルゴリズム(FusionM4Net)を提案した。第1段階で,著者らは,特徴レベルで臨床およびダーモスコピー画像の表現を活用し統合する融合Netを構築し,次に,融合スキーム1を用いて,決定レベルで情報融合を行う。第2段階では,さらに患者のメタデータを組み込むために,著者らは,第1段階からのマルチラベル予測情報と,SVMクラスタを訓練するための患者のメタデータ情報を統合する融合スキーム2を提案した。最終診断は,第1と第2段階からの予測の融合により形成される。提案アルゴリズムを7点チェックリストデータセット,十分に確立されたマルチモーダルマルチラベル皮膚疾患データセットで評価した。患者のメタデータを使用しない場合,提案した融合M4Netの第一ステージ(FusionM4Net-FS)は,マルチ分類タスクに対して75.7%,診断タスクに対して74.9%の平均精度を達成し,これは他の最先端の方法よりも正確であった。融合M4Netの第2ステージ(FusionM4Net-SS)で患者のメタデータをさらに融合することにより,全融合M4Netは最終的に平均精度を77.0%に,診断精度を78.5%まで高め,ラベル不均衡データセットのロバストで優れた分類性能を示した。対応するコードはhttps://github.com/pixixiaonaogou/MLSDRで利用可能である。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： *アルゴリズム ,  最適化 ,  *学習 ,  *皮膚病 ,  核融合 ,  チェックリスト ,  クラスタ ,  *皮膚障害 ,  *多モード ,  ロバスト性 ,  *学習アルゴリズム ,  メタデータ
準シソーラス用語： ダーモスコピー ,  モダリティ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチモーダル学習 ,  皮膚疾患認識 ,  マルチラベル分類 ,  7点チェックリスト基準 ,  多段情報融合

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

タイトルに関連する用語 (8件)： 核融合 ,  マルチ ,  ラベル ,  皮膚病変 ,  分類 ,  段階 ,  マルチモーダル ,  学習アルゴリズム