文献

J-GLOBAL ID：202202273182560624   整理番号：22A1176647

教師なしおよび教師付き手法の組合せを用いた実験データにおける自動オブジェクト検出【JST・京大機械翻訳】

Automated Object Detection in Experimental Data Using Combination of Unsupervised and Supervised Methods

著者 (4件)： Wu Yiran (Department of Pharmacology, University of California, Davis, Davis, CA, United States) ,  Wang Zhen (Department of Pharmacology, University of California, Davis, Davis, CA, United States) ,  Ripplinger Crystal M. (Department of Pharmacology, University of California, Davis, Davis, CA, United States) ,  Sato Daisuke (Department of Pharmacology, University of California, Davis, Davis, CA, United States)
資料名： Frontiers in Physiology (Web)  (Frontiers in Physiology (Web))
巻： 13  ページ： 805161  発行年： 2022年 
JST資料番号： U7093A  ISSN： 1664-042X  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 深層ニューラルネットワーク(DNN)は,臨床および生物学的データを含む画像データの物体検出,分類およびセグメンテーションのようなコンピュータビジョンタスクを通して,それらの成功を示した。しかし,教師つきDNNは,ハイパーパラメータを調整するための訓練と大きな努力のために大量のラベル付きデータを必要とする。本研究の目的は,興味の対象とノイズの多い背景に映画データの心臓画像を分割することである。このタスクは,画像の統計解析の前に不可欠なタスクの1つである。さもなければ,平均値,中央値,標準偏差などの統計的値は誤ってくる。本研究では,教師なしと教師つき機械学習の組合せが,このプロセスを自動化し,対象の対象を正確に見つけることを示した。典型的な臨床/生物学的データが限られた種類の物体のみを含むという事実を用いた。画素レベルでこの問題を解いた。例えば,画像に1つの物体だけが存在するならば,2種類の画素がある:対象画素と背景画素。オブジェクトピクセルとバックグラウンドピクセルは全く異なることが期待できるが,教師なしクラスタリング法を用いてグループ化できる。本研究では,k平均クラスタリング法を用いた。教師なしクラスタリング法を用いてオブジェクト画素と背景画素を見つける後に,教師つき学習のための訓練データとしてこれらの画素を用いた。本研究では,ロジスティック回帰とサポートベクトルマシンを用いた。教師なし方式と教師つき方法の組合せは,あらかじめ定義された閾値または手動でラベル付けされたデータなしで,対象とセグメント画像のオブジェクトを見つけることができる。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  自動化 ,  セグメンテーション ,  画像処理 ,  クラスタ化 ,  *画素 ,  教師つき学習 ,  コンピュータビジョン ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： 訓練データ ,  ロジスティック回帰分析 ,  ハイパーパラメータ ,  教師なしクラスタリング ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (8件)： 機械学習 ,  教師なし学習 ,  k平均クラスタリング ,  サポートベクトルマシン ,  オブジェクト検出 ,  画像処理 ,  人工知能 ,  心臓画像

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

引用文献 (13件)：

• Forgey E. (1965). Cluster analysis of multivariate data: efficiency vs. interpretability of classification. Biometrics 21 768-769.
• Gonzalez R. C., Woods R. E. (2018). Digital Image Processing. London: Pearson.
• Guo D., Fridriksson J., Fillmore P., Rorden C., Yu H., Zheng K., et al (2015). Automated lesion detection on MRI scans using combined unsupervised and supervised methods. BMC Med. Imaging 15:50. doi: 10.1186/s12880-015-0092-x
• Hartigan J. A., Wong M. A. (1979). Algorithm AS 136: a K-means clustering algorithm. J. R. Stat. Soc. Ser. C (Applied Statistics) 28 100-108. doi: 10.2307/2346830
• Huebsch N., Loskill P., Mandegar M. A., Marks N. C., Sheehan A. S., Ma Z., et al (2015). Automated video-based analysis of contractility and calcium flux in human-induced pluripotent stem cell-derived cardiomyocytes cultured over different spatial scales. Tissue Eng. Part C Methods 21 467-479. doi: 10.1089/ten.TEC.2014.0283

タイトルに関連する用語 (5件)： 教師 ,  手法 ,  組合せ ,  実験データ ,  オブジェクト検出