文献

J-GLOBAL ID：202202284636142704   整理番号：22A0805352

皮膚病変画像分類のための少数ショット学習【JST・京大機械翻訳】

Few-shot learning for skin lesion image classification

著者 (5件)： Liu Xue-Jun (School of Information Engineering, Beijing Institute of Petrochemical Technology, Beijing, China) ,  Li Kai-li (School of Information Engineering, Beijing Institute of Petrochemical Technology, Beijing, China) ,  Luan Hai-ying (Fluid Power and Automotive Equipment Center, Beijing Research Institute of Automation for Machinery Industry Co., Ltd, Beijing, China) ,  Wang Wen-hui (School of Information Engineering, Beijing Institute of Petrochemical Technology, Beijing, China) ,  Chen Zhao-yu (School of Information Engineering, Beijing Institute of Petrochemical Technology, Beijing, China)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 4  ページ： 4979-4990  発行年： 2022年 
JST資料番号： W1102A  ISSN： 1380-7501  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： 皮膚色素悪性病変の死亡率は非常に高く,特に黒色腫である。マーキング手段の限界のため,皮膚病変の大規模アノテーションデータを得ることは,一般的により困難である。深い学習モデルを小さなデータセットで訓練するとき,その一般化性能は制限される。小さなサンプルデータを拡張するための事前知識の使用は,複雑な皮膚問題を扱うのが難しい学習分類の一般的モデル方法である。少量のラベル付き皮膚病変画像データに基づいて,本論文は,皮膚疾患の分類を実現するために,測定学習のための改良関係ネットワークを使用した。この方式は,相対位置ネットワーク(RPN)と相対マッピングネットワーク(RMN)を使用し,その中で,RPNは,注意機構によって特徴情報を捕捉し,抽出して,RMNは,注意マッピング距離の加重和によって画像分類の類似性を得る。分類の平均精度は,公開ISIC黒色腫データセットに関して85%であり,結果は,方法の有効性と適応性を示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  学習モデル ,  ネットワーク ,  分類 ,  マーキング ,  ニューラルネットワーク ,  *皮膚 ,  色素 ,  死亡率 ,  *皮膚病 ,  画像処理 ,  *皮膚障害 ,  黒色腫
準シソーラス用語： 事前知識 ,  *画像分類 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 画像処理 ,  小サンプル学習 ,  関係ネットワーク ,  計量学習 ,  畳込みニューラルネットワーク

分類 (3件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (3件)： 皮膚病変 ,  画像分類 ,  少数ショット学習