文献

J-GLOBAL ID：202202278927386069   整理番号：22A0450481

組織病理学的画像分類のための合成ラベルからの転移学習【JST・京大機械翻訳】

Transfer learning from synthetic labels for histopathological images classification

著者 (5件)： Dif Nassima (EEDIS Laboratory, Djillali Liabes University, Sidi Bel Abbes, Algeria) ,  Attaoui Mohammed Oualid (University Sorbonne Paris Nord, Villetaneuse, France) ,  Elberrichi Zakaria (EEDIS Laboratory, Djillali Liabes University, Sidi Bel Abbes, Algeria) ,  Lebbah Mustapha (University Sorbonne Paris Nord, Villetaneuse, France) ,  Azzag Hanene (University Sorbonne Paris Nord, Villetaneuse, France)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 1  ページ： 358-377  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  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： 本研究では教師なし学習(クラスタリング)と転送学習を組み合わせた新しい戦略を紹介した。クラスタリング法を用いて,ソースデータセット(ICAR-2018)のための合成ラベルを生成した。次に,生成されたデータセットを,他の組織病理学的データセット(KimiaPath 960,CRC,Biomaging-2015,Breahis,およびリンパ腫)への移動学習に使用した。2つのクラスタリングアルゴリズム(K平均と多目的クラスタ化ストリーム)に基づく比較研究は,MOC-Streamの効率を実証した。このクラスタリングアルゴリズムにより生成された合成組織病理学的データセットは,転送学習における元のラベル付きデータセットおよび画像Netモデルより優れていた。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： *学習 ,  教師なし学習 ,  リンパ腫 ,  クラスタ化
準シソーラス用語： *画像分類 ,  クラスタリングアルゴリズム ,  クラスタリング法 ,  *転移学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 転移学習 ,  クラスタリング ,  畳込みニューラルネットワーク ,  組織病理学的データセット

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 (4件)： 組織病理学 ,  画像分類 ,  ラベル ,  転移学習