文献

J-GLOBAL ID：202202268988443876   整理番号：22A1193239

胎児超音波断面認識のための知識蒸留法【JST・京大機械翻訳】

Knowledge distillation method for fetal ultrasound section identification

著者 (3件)： Zhang Xinpei (四川大学計算机学院, 四川成都 610065) ,  Zhou Yao (四川大学計算机学院, 四川成都 610065) ,  Zhang Yi (四川大学計算机学院, 四川成都 610065)
資料名： Zhineng Xitong Xuebao  (Zhineng Xitong Xuebao)
巻： 17  号： 1  ページ： 181-191  発行年： 2022年 
JST資料番号： C2755A  ISSN： 1673-4785  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 胎児超音波切断面識別は出産前の超音波検査の主な任務の一つであり、出生前の超音波検査の品質に直接影響する。近年、深さニューラルネットワーク法は臨床超音波補助診断において多くの進展を遂げた。しかし、既存の研究の多くは、予訓練モデル微調整を用いて、遷移学習を行い、これはパラメータ冗長性と過フィッティング問題を引き起こすだけでなく、実際の応用におけるリアルタイム分析能力も制限している。本文では、胎児超音波断面識別のための知識蒸留法を提案した。第1段階では、学生教師ネットワークモデルにおいて、残差ネットワークを採用して、両者の隠れ層特徴を注意力メカニズムに融合し、隠れ層のキー情報を抽出し、一次知識移転を行い、学生ネットワークに先験的重みを獲得する。第2段階では、教師ネットワークモデルを用いて学生ネットワークモデルを指導し、知識蒸留訓練を行い、さらに全体から知識移転の性能を向上させる。実験結果は,学生ネットワークが,各性能を改善し,そして,モデルの複雑さを減少し,そして,超音波装置端末の配置およびリアルタイム解析能力の改善に,有益であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *超音波 ,  学習 ,  冗長性 ,  ネットワーク ,  *蒸留 ,  ニューラルネットワーク ,  残差 ,  胎児 ,  学生 ,  超音波機器 ,  端末装置 ,  パラメータ
準シソーラス用語： ネットワークモデル ,  実時間 ,  出産 , 【Automatic Indexing@JST】

分類 (4件)： 婦人科学・産科学一般  (GS01010A) ,  人工知能  (JE08000Z) ,  臨床診断学  (GC03003G) ,  婦人科・産科の診断  (GS02000W)

タイトルに関連する用語 (4件)： 胎児 ,  超音波 ,  知識 ,  蒸留法