文献

J-GLOBAL ID：202202259250177113   整理番号：22A0570395

タスク増強によるエピソード訓練を用いた医用画像分類におけるドメイン一般化【JST・京大機械翻訳】

Domain generalization on medical imaging classification using episodic training with task augmentation

著者 (9件)： Li Chenxin (School of Informatics, Xiamen University, Xiamen, 361005, China) ,  Lin Xin (School of Informatics, Xiamen University, Xiamen, 361005, China) ,  Mao Yijin (School of Informatics, Xiamen University, Xiamen, 361005, China) ,  Lin Wei (School of Informatics, Xiamen University, Xiamen, 361005, China) ,  Qi Qi (School of Informatics, Xiamen University, Xiamen, 361005, China) ,  Ding Xinghao (School of Informatics, Xiamen University, Xiamen, 361005, China) ,  Huang Yue (School of Informatics, Xiamen University, Xiamen, 361005, China) ,  Liang Dong (Paul C. Lauterbur Research Center for Biomedical Imaging, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, 518055, China) ,  Yu Yizhou (Deepwise AI Laboratory, Beijing, 100125, China)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 141  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  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： 医用イメージングデータセットは,通常,スキャナベンダー,イメージングプロトコルなどの変化によるドメインシフトを示す。これは機械学習モデルの一般化能力に関する懸念を提起する。ドメイン一般化(DG)は,それが直接一般化できるような多重ソースドメインからモデルを学習することを目指し,特に医用イメージングコミュニティに有望と思われる。DGに対処するために,最近のモデル診断メタ学習(MAML)を導入し,新しい試験タスクの学習を容易にするために,以前の訓練タスクから知識を転送する。しかしながら,臨床診療において,通常,利用可能ないくつかの注釈付きソースドメインだけがあり,それは訓練タスク生成の容量を減少させ,従ってパラダイムにおける訓練タスクへの過剰適合のリスクを増加させる。本論文では,医用画像分類におけるタスク増強によるエピソード訓練の新しいDG方式を提案した。メタ学習に基づいて,エピソード訓練のパラダイムを開発し,エピソード訓練タスクシミュレーションからDGの実試験タスクへの知識移転を構築した。実世界医療展開における限られた数のソースドメインによって動機づけられて,著者らは,独特のタスクレベルのオーバーフィッティングを考察し,それを軽減するために訓練タスク生成の間の多様性を強化するためのタスク強化を提案した。確立された学習フレームワークにより,訓練領域の深い埋込みを正則化する新しいメタ目的をさらに利用した。提案した方法の有効性を検証するために,組織病理学的画像と腹部CT画像に関する実験を行った。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 ,  分類 ,  コミュニティ ,  画像処理 ,  知識 ,  テクノロジートランスファ ,  多重化 ,  走査装置 ,  モデル ,  *医用画像 ,  正則化 ,  機械学習 ,  アノテーション
準シソーラス用語： 知識移転 ,  腹部CT ,  医用画像処理 , 【Automatic Indexing@JST】

著者キーワード (5件)： 医用画像分類 ,  ドメイン一般化 ,  モデル診断メタ学習 ,  エピソードトレーニング ,  タスクレベルオーバーフィッティング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： タスク ,  増強 ,  エピソード ,  訓練 ,  医用画像 ,  分類 ,  ドメイン ,  一般化