文献

J-GLOBAL ID：202202288659694161   整理番号：22A0067037

深層ニューラルネットワークを用いた皮膚病変分類のためのマルチモーダルマルチタスク【JST・京大機械翻訳】

Multimodal Multi-tasking for Skin Lesion Classification Using Deep Neural Networks

著者 (5件)： Carvalho Rafaela (Fraunhofer Portugal AICOS, Porto, Portugal) ,  Carvalho Rafaela (Faculty of Engineering of the University of Porto, Rua Dr. Roberto Frias, Porto, Portugal) ,  Pedrosa Joao (Faculty of Engineering of the University of Porto, Rua Dr. Roberto Frias, Porto, Portugal) ,  Pedrosa Joao (Institute for Systems and Computer Engineering, Technology and Science (INESC TEC), Porto, Portugal) ,  Nedelcu Tudor (Fraunhofer Portugal AICOS, Porto, Portugal)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13017  ページ： 27-38  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 皮膚癌は癌の最も一般的なタイプの1つであり,その増加により,正確な早期診断は患者の予後を改善するために重要である。視覚検査の過程において,皮膚科医は特異的ダーモスコピーアルゴリズムに従い,診断を提供する重要な特徴を同定する。このプロセスをコンピュータビジョン技術によって抽出できるように自動化できる。深層ニューラルネットワークは皮膚病変分類のためのディジタル画像から有用な特徴を抽出できるが,追加情報の提供により性能を改善できる。抽出した擬似特徴は,ロバストな深層学習モデルを訓練するための入力(マルチモーダル)または出力(マルチタスク)として使用できる。本研究では,後者におけるいくつかの関連タスクの単一最適化と,より良い診断予測の発生を与える,より効率的な訓練のためのマルチモーダルおよびマルチタスク技術を研究した。さらに,病変セグメンテーションの役割も検討した。結果は,マルチタスクがより良い予測につながる有益な特徴の学習を改善し,ABCD規則によって触発された擬似特徴が皮膚病変に関する容易に利用可能な有用な情報を提供することを示した。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  自動化 ,  学習 ,  セグメンテーション ,  *皮膚障害 ,  ディジタル画像 ,  コンピュータビジョン ,  *多モード ,  ロバスト性 ,  皮膚腫瘍 ,  早期診断 ,  視覚検査
準シソーラス用語： *マルチタスク ,  深層学習 ,  *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 (3件)： 皮膚病変 ,  マルチモーダル学習 ,  マルチタスク学習

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 深層ニューラルネットワーク ,  皮膚病変 ,  分類