Enviar búsqueda
Cargar
Sprint 15
•
0 recomendaciones
•
24 vistas
Y
yukimu
Seguir
論文紹介
Leer menos
Leer más
Salud y medicina
Denunciar
Compartir
Denunciar
Compartir
1 de 6
Descargar ahora
Descargar para leer sin conexión
Recomendados
I introduce papers that recently published. There are related to machine learning and medical.
Paper introduce
Paper introduce
shuyamori
Medical Imaging with value based medicine. Concept and challenge by LISIT,Co.,Ltd. Shuji Yamamoto,PhD. created
Value basedmedicalimaging07222014
Value basedmedicalimaging07222014
Shuji Yamamoto
ヘルスケア領域でのDeep Learnigの動向 5/28のDeep Learning Lab ヘルスケア分科会用の資料です。
ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向
Naoji Taniguchi
ACP日本支部総会での講演スライドです 医療における予測指標と「人工知能」の関係について解説しています
20170610 AIと予測研究 slideshare
20170610 AIと予測研究 slideshare
SR WS
「機械学習の応用例にみる認知症診断と将来の発症予測」 2回やった文献紹介のダイジェスト版。 口頭での説明メインだったので、スライドはいろいろ手抜き気味。
機械学習の応用例にみる認知症診断と将来の発症予測
機械学習の応用例にみる認知症診断と将来の発症予測
Momoko Hayamizu
RANO, MacDonald, modified volume RANO etc. for Brain Tumor assessment presented by Shuji Yamamoto, PhD. LISIT,Inc. http://www.lisit.jp/indexE.html
脳腫瘍における定量医用画像評価法の基準とその解析手法
脳腫瘍における定量医用画像評価法の基準とその解析手法
Shuji Yamamoto
JMDC Claimsデータベースやレセプト情報・特定健診等情報データベースを活用した臨床疫学研究は増えつつあります。レセプトには、診療行為情報が詳細に記録されているという強みがある一方で、様々な限界があります。例えば、外来患者数や在院日数といった、ごく基礎的な情報すら、レセプトから推計するときには細心の注意が必要です。極めて複雑なレセプトの構造を理解しないと、気づかないうちに落とし穴に嵌って、無意味な数字を出してしまいます。本発表では、JMDC ClaimsデータベースやNDBを活用して研究する際の「落とし穴」を御紹介する予定です。
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
Yasuyuki Okumura
全脳アーキテクチャ若手の会カジュアルトーク
深層学習と自動診断
深層学習と自動診断
Daiki Shimada
Recomendados
I introduce papers that recently published. There are related to machine learning and medical.
Paper introduce
Paper introduce
shuyamori
Medical Imaging with value based medicine. Concept and challenge by LISIT,Co.,Ltd. Shuji Yamamoto,PhD. created
Value basedmedicalimaging07222014
Value basedmedicalimaging07222014
Shuji Yamamoto
ヘルスケア領域でのDeep Learnigの動向 5/28のDeep Learning Lab ヘルスケア分科会用の資料です。
ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向
Naoji Taniguchi
ACP日本支部総会での講演スライドです 医療における予測指標と「人工知能」の関係について解説しています
20170610 AIと予測研究 slideshare
20170610 AIと予測研究 slideshare
SR WS
「機械学習の応用例にみる認知症診断と将来の発症予測」 2回やった文献紹介のダイジェスト版。 口頭での説明メインだったので、スライドはいろいろ手抜き気味。
機械学習の応用例にみる認知症診断と将来の発症予測
機械学習の応用例にみる認知症診断と将来の発症予測
Momoko Hayamizu
RANO, MacDonald, modified volume RANO etc. for Brain Tumor assessment presented by Shuji Yamamoto, PhD. LISIT,Inc. http://www.lisit.jp/indexE.html
脳腫瘍における定量医用画像評価法の基準とその解析手法
脳腫瘍における定量医用画像評価法の基準とその解析手法
Shuji Yamamoto
JMDC Claimsデータベースやレセプト情報・特定健診等情報データベースを活用した臨床疫学研究は増えつつあります。レセプトには、診療行為情報が詳細に記録されているという強みがある一方で、様々な限界があります。例えば、外来患者数や在院日数といった、ごく基礎的な情報すら、レセプトから推計するときには細心の注意が必要です。極めて複雑なレセプトの構造を理解しないと、気づかないうちに落とし穴に嵌って、無意味な数字を出してしまいます。本発表では、JMDC ClaimsデータベースやNDBを活用して研究する際の「落とし穴」を御紹介する予定です。
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
Yasuyuki Okumura
全脳アーキテクチャ若手の会カジュアルトーク
深層学習と自動診断
深層学習と自動診断
Daiki Shimada
日本臨床試験学会 第8回学術集会総会アフタヌーンセミナーにて アガサ共催セミナーが開催されました。 「臨床研究をITで効率化する」(東京⼥⼦医科⼤学 生田聡子先生)
日本臨床試験学会 第8回学術集会総会 アガサ共催セミナー「臨床研究をITで効率化する」(東京⼥⼦医科⼤学 生田聡子先生)
日本臨床試験学会 第8回学術集会総会 アガサ共催セミナー「臨床研究をITで効率化する」(東京⼥⼦医科⼤学 生田聡子先生)
アガサ株式会社 (Agatha Inc.)
疫学/生物統計/データベース
QResearchをはじめからていねいに
QResearchをはじめからていねいに
Kei Furihata
株式会社リジット 代表取締役 山本 修司 さま
イメージングバイオマーカによる国際的産学連携イメージング ARO 支援システム
イメージングバイオマーカによる国際的産学連携イメージング ARO 支援システム
Dell TechCenter Japan
医療情報のビッグデータが今後拡大し分析手法も飛躍的に進歩する場合、それがどんな効果を及ぼすかについての考察。
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
Itaru Kaneko
高校生・受験生のための東京工業大学オープンキャンパス2023 (2023.8.10(木)) 情報理工学院 情報工学系 研究室紹介
情報理工学院情報工学系村田研究室.pptx
情報理工学院情報工学系村田研究室.pptx
tm1966
2016年 日本頭蓋顎顔面外科学会での教育講演のスライドです。
矢状縫合早期癒合症の術後発達に関する検討
矢状縫合早期癒合症の術後発達に関する検討
信 彦坂
画像診断知識ベースと症例データベースを利用した 画像診断シミュレーター応用編の開発
第22回医療情報学会春季学術大会発表資料
第22回医療情報学会春季学術大会発表資料
NPO法人メディカル指南車
もしもがんと診断されたら?治療選択に必要な情報収集
もしもがんと診断されたら?治療選択に必要な情報収集
Makiko Watanabe
EBM (EVIDENCE-BASED MEDICINE) 総論
EBM (EVIDENCE-BASED MEDICINE) 総論
musako-oncology
第65回近畿支部学術大会 シンポジウム 1
探求の道 Lead Clearly
探求の道 Lead Clearly
Yutaka KATAYAMA
第16回医療福祉技術シンポジウムプレゼン資料
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
Isamu Kajitani
データ解析から言えないことを言い過ぎる事例と、それを防ぐために気をつけるべきことについて議論しています。ATRで 2008年12月(←つまりいまから10年前)に行われた「神経科学の言いたいこと言えること勉強会」に呼ばれてトークしたときの資料です。 いわゆるデータ二度漬け問題、とくに「特徴選択の過程でテスト用データのラベルを含んだ全データを使ってしまう」という落とし穴について、この中で論じています。これは、交差検証の概念を知っているひとでもスポっと簡単にハマるタイプの危険なものであり、このトークを行った2000年代当時から今に至るまで、こういう落とし穴に落ちたままの解析が査読をかいくぐって有名雑誌に通っています。 トークの後半は別ファイルの資料を用いて多重検定について話しています。 同様のトピックをこちらでも説明しています。 大羽成征. (2006) 遺伝子発現データに基く予測と推定: 言いたいことと言えること. 統計数理,54(2), pp.405-423. https://t.co/QLQPdKF0uX
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
Shigeyuki Oba
データドリブンの歴史とマーケティング活用事例 - 2015年3月まとめ
データドリブンの歴史とマーケティング事例
データドリブンの歴史とマーケティング事例
Riku Kawasaki
第32回 臨床疫学研究における報告の質向上のための統計学の研究会 大規模医療データベースを活用した治療効果研究の計画と報告
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
Takashi Fujiwara
ジェネラリストに知っていてほしいがんの基礎知識
Minimal requirements for generalist about cancer topics
Minimal requirements for generalist about cancer topics
Noriyuki Katsumata
このスライドは 2017 年 1 月 17 日 (火)、ベルサール高田馬場で開催された「NVIDIA Deep Learning Institute 2017」にて、「NVIDIA GPU ディープラーニング最新情報」と題し、エヌビディア合同会社 ディープラーニング部 部長 井﨑 武士が講演したものです。 ディープラーニングは急速な進化を続け、世界中の様々な地域そして産業でその成果を挙げてきています。 本セッションでは、米国ワシントン DC やオーストラリアなどで行われた GTCx のイベントから、最新の応用・研究事例をご紹介します。また後半には、最新のデモをご覧いただきます。デモに使用した資料は「GPU クラウド コンピューティング」として以下の URL で参照ください。 ▶ http://www.slideshare.net/NVIDIAJapan/gpu-71123096
NVIDIA GPU ディープラーニング最新情報
NVIDIA GPU ディープラーニング最新情報
NVIDIA Japan
VAEやAAEを用いた病変の異常検知
Unsupervised detection of lesions in brain mri using constrained adversarial ...
Unsupervised detection of lesions in brain mri using constrained adversarial ...
masataka nishimori
Japanese slides: Current state of EHR development in Japan. Nation-wide EHR. 医療現場にあるビッグデータとその課題 Health 2.0 Day1 https://health2.medpeer.co.jp/program.html#A04
20151104 health2.0 in Japan - clinical big data and subjects
20151104 health2.0 in Japan - clinical big data and subjects
NaotoKume
前橋赤十字病院 集中治療科・救急科 朝勉強会
Journal watch20211201
Journal watch20211201
MaebashiRedCrossHosp
2月9日開催 医療ビッグデータ勉強会のスライドです
医療ビッグデータ勉強会プレゼン公開版
医療ビッグデータ勉強会プレゼン公開版
mamoruichikawa
Más contenido relacionado
Similar a Sprint 15
日本臨床試験学会 第8回学術集会総会アフタヌーンセミナーにて アガサ共催セミナーが開催されました。 「臨床研究をITで効率化する」(東京⼥⼦医科⼤学 生田聡子先生)
日本臨床試験学会 第8回学術集会総会 アガサ共催セミナー「臨床研究をITで効率化する」(東京⼥⼦医科⼤学 生田聡子先生)
日本臨床試験学会 第8回学術集会総会 アガサ共催セミナー「臨床研究をITで効率化する」(東京⼥⼦医科⼤学 生田聡子先生)
アガサ株式会社 (Agatha Inc.)
疫学/生物統計/データベース
QResearchをはじめからていねいに
QResearchをはじめからていねいに
Kei Furihata
株式会社リジット 代表取締役 山本 修司 さま
イメージングバイオマーカによる国際的産学連携イメージング ARO 支援システム
イメージングバイオマーカによる国際的産学連携イメージング ARO 支援システム
Dell TechCenter Japan
医療情報のビッグデータが今後拡大し分析手法も飛躍的に進歩する場合、それがどんな効果を及ぼすかについての考察。
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
Itaru Kaneko
高校生・受験生のための東京工業大学オープンキャンパス2023 (2023.8.10(木)) 情報理工学院 情報工学系 研究室紹介
情報理工学院情報工学系村田研究室.pptx
情報理工学院情報工学系村田研究室.pptx
tm1966
2016年 日本頭蓋顎顔面外科学会での教育講演のスライドです。
矢状縫合早期癒合症の術後発達に関する検討
矢状縫合早期癒合症の術後発達に関する検討
信 彦坂
画像診断知識ベースと症例データベースを利用した 画像診断シミュレーター応用編の開発
第22回医療情報学会春季学術大会発表資料
第22回医療情報学会春季学術大会発表資料
NPO法人メディカル指南車
もしもがんと診断されたら?治療選択に必要な情報収集
もしもがんと診断されたら?治療選択に必要な情報収集
Makiko Watanabe
EBM (EVIDENCE-BASED MEDICINE) 総論
EBM (EVIDENCE-BASED MEDICINE) 総論
musako-oncology
第65回近畿支部学術大会 シンポジウム 1
探求の道 Lead Clearly
探求の道 Lead Clearly
Yutaka KATAYAMA
第16回医療福祉技術シンポジウムプレゼン資料
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
Isamu Kajitani
データ解析から言えないことを言い過ぎる事例と、それを防ぐために気をつけるべきことについて議論しています。ATRで 2008年12月(←つまりいまから10年前)に行われた「神経科学の言いたいこと言えること勉強会」に呼ばれてトークしたときの資料です。 いわゆるデータ二度漬け問題、とくに「特徴選択の過程でテスト用データのラベルを含んだ全データを使ってしまう」という落とし穴について、この中で論じています。これは、交差検証の概念を知っているひとでもスポっと簡単にハマるタイプの危険なものであり、このトークを行った2000年代当時から今に至るまで、こういう落とし穴に落ちたままの解析が査読をかいくぐって有名雑誌に通っています。 トークの後半は別ファイルの資料を用いて多重検定について話しています。 同様のトピックをこちらでも説明しています。 大羽成征. (2006) 遺伝子発現データに基く予測と推定: 言いたいことと言えること. 統計数理,54(2), pp.405-423. https://t.co/QLQPdKF0uX
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
Shigeyuki Oba
データドリブンの歴史とマーケティング活用事例 - 2015年3月まとめ
データドリブンの歴史とマーケティング事例
データドリブンの歴史とマーケティング事例
Riku Kawasaki
第32回 臨床疫学研究における報告の質向上のための統計学の研究会 大規模医療データベースを活用した治療効果研究の計画と報告
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
Takashi Fujiwara
ジェネラリストに知っていてほしいがんの基礎知識
Minimal requirements for generalist about cancer topics
Minimal requirements for generalist about cancer topics
Noriyuki Katsumata
このスライドは 2017 年 1 月 17 日 (火)、ベルサール高田馬場で開催された「NVIDIA Deep Learning Institute 2017」にて、「NVIDIA GPU ディープラーニング最新情報」と題し、エヌビディア合同会社 ディープラーニング部 部長 井﨑 武士が講演したものです。 ディープラーニングは急速な進化を続け、世界中の様々な地域そして産業でその成果を挙げてきています。 本セッションでは、米国ワシントン DC やオーストラリアなどで行われた GTCx のイベントから、最新の応用・研究事例をご紹介します。また後半には、最新のデモをご覧いただきます。デモに使用した資料は「GPU クラウド コンピューティング」として以下の URL で参照ください。 ▶ http://www.slideshare.net/NVIDIAJapan/gpu-71123096
NVIDIA GPU ディープラーニング最新情報
NVIDIA GPU ディープラーニング最新情報
NVIDIA Japan
VAEやAAEを用いた病変の異常検知
Unsupervised detection of lesions in brain mri using constrained adversarial ...
Unsupervised detection of lesions in brain mri using constrained adversarial ...
masataka nishimori
Japanese slides: Current state of EHR development in Japan. Nation-wide EHR. 医療現場にあるビッグデータとその課題 Health 2.0 Day1 https://health2.medpeer.co.jp/program.html#A04
20151104 health2.0 in Japan - clinical big data and subjects
20151104 health2.0 in Japan - clinical big data and subjects
NaotoKume
前橋赤十字病院 集中治療科・救急科 朝勉強会
Journal watch20211201
Journal watch20211201
MaebashiRedCrossHosp
2月9日開催 医療ビッグデータ勉強会のスライドです
医療ビッグデータ勉強会プレゼン公開版
医療ビッグデータ勉強会プレゼン公開版
mamoruichikawa
Similar a Sprint 15
(20)
日本臨床試験学会 第8回学術集会総会 アガサ共催セミナー「臨床研究をITで効率化する」(東京⼥⼦医科⼤学 生田聡子先生)
日本臨床試験学会 第8回学術集会総会 アガサ共催セミナー「臨床研究をITで効率化する」(東京⼥⼦医科⼤学 生田聡子先生)
QResearchをはじめからていねいに
QResearchをはじめからていねいに
イメージングバイオマーカによる国際的産学連携イメージング ARO 支援システム
イメージングバイオマーカによる国際的産学連携イメージング ARO 支援システム
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
情報理工学院情報工学系村田研究室.pptx
情報理工学院情報工学系村田研究室.pptx
矢状縫合早期癒合症の術後発達に関する検討
矢状縫合早期癒合症の術後発達に関する検討
第22回医療情報学会春季学術大会発表資料
第22回医療情報学会春季学術大会発表資料
もしもがんと診断されたら?治療選択に必要な情報収集
もしもがんと診断されたら?治療選択に必要な情報収集
EBM (EVIDENCE-BASED MEDICINE) 総論
EBM (EVIDENCE-BASED MEDICINE) 総論
探求の道 Lead Clearly
探求の道 Lead Clearly
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
データドリブンの歴史とマーケティング事例
データドリブンの歴史とマーケティング事例
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
Minimal requirements for generalist about cancer topics
Minimal requirements for generalist about cancer topics
NVIDIA GPU ディープラーニング最新情報
NVIDIA GPU ディープラーニング最新情報
Unsupervised detection of lesions in brain mri using constrained adversarial ...
Unsupervised detection of lesions in brain mri using constrained adversarial ...
20151104 health2.0 in Japan - clinical big data and subjects
20151104 health2.0 in Japan - clinical big data and subjects
Journal watch20211201
Journal watch20211201
医療ビッグデータ勉強会プレゼン公開版
医療ビッグデータ勉強会プレゼン公開版
Sprint 15
1.
AIと医療系画像について
2.
どんなもの? 先行研究と比べて何がすごい? 技術の手法や肝は? 議論はある? どうやって有効だと検証した? 次に読むべき論文は? 参照文献で読んだのをここにお書き Trainデータ:28万4335人分の患者データ Testデータ:1万2026人の患者のデータセットと999人の患者の 網膜画像 網膜画像のスキャンにより、迅速かつ安価に、体に負担をかけ ない方法で心血管疾患のリスクを診断できるようになる。 概要:ディープラーニングを介した網膜眼底画像からの心血管 系危険因子の予測 ・心血管系危険因子 喫煙習慣の有無、血圧、年齢、性別など Prediction of cardiovascular
risk factors from retinal fundus photographs via deep learning (2018)Ryan Poplin, /Dale R. Webster 日付 ネットワーク:事前学習とInception v3(画像認識モデ ル) 分類:性別 喫煙歴 回帰:年齢 BMI ⾎圧 HbA1c(ヘモグロビン) ・45度の⾓度の画像のみ適⽤ ・⽐較的データが少ない ・脂質(悪⽟コレステロールなど)に関する情報が⽋損している ・喫煙者に関するデータが不正確(⾃⼰申告、時期を明確化し ていない)
3.
どんなもの? 先行研究と比べて何がすごい? 技術の手法や肝は? 議論はある? どうやって有効だと検証した? 次に読むべき論文は? 参照文献で読んだのをここにお書き Trainデータ:乳部病理画像270枚 Testデータ:乳部病理画像108枚 ・転移性の腫瘍は身体の別の部位で新たな腫瘍を形成する が、これは検知が困難なことで知られている。 ・試験では検出精度の尺度である ROC 曲線下面積 (AUC)で99%を達成した。これは人間の病理医を超える ものである。 ・病理医の生産性の向上につながる。 概要:人工知能に基づいた乳癌の節転移検知 LYNA
:Lymph Node Assistant(リンパ節アシスタント) Artificial Intelligence–Based Breast Cancer Nodal Metastasis Detection: Insights Into the Black Box for Pathologists (2018)Yun Liu, /Martin C. Stumpe 日付 Inception-v3(画像認識モデル) ・全40の転移を誤検知なしで正確に分類 ・気泡や処理不良、出血、過度の染色というような顕微 鏡写真の乱れにも影響なし
4.
どんなもの? 先行研究と比べて何がすごい? 技術の手法や肝は? 議論はある? どうやって有効だと検証した? 次に読むべき論文は? 参照文献で読んだのをここにお書き Trainデータ:アルツハイマー患者の脳MRI画像 Testデータ:脳MRI画像 出力:クラス分類 Alzheimer’s Disease (AD)、Late
Mild Cognitive Impairment (LMCI), Early Mild Cognitive Impairment (EMCI)、Normal Cohort (NC) 患者がアルツハイマーか軽度認知障害、正常を見抜けることが わかった。 概要:脳MRI画像を用いて「ResNet」にて「アルツハイマー罹患 患者の分類」 Residual and Plain Convolutional Neural Networks for 3D Brain MRI Classification (2017)Mikhail Belyaev 日付 ネットワーク:Res-Net、VoxCNN 今後はワンステップでの複雑なMRIデータのワンステップ分析 の開発
5.
どんなもの? 先行研究と比べて何がすごい? 技術の手法や肝は? 議論はある? どうやって有効だと検証した? 次に読むべき論文は? 参照文献で読んだのをここにお書き Trainデータ:本物の眼球血管マスク画像 出力:眼球血管マスク画像のような画像(X) Trainデータ:本物の眼球画像と本物の眼球血管マスク画像 入力:眼球血管マスク画像のような画像(X) 出力:Xとペアになる眼球画像のような画像 医療画像は患者のプライバシー問題など法的な課題がある。 マスキングすることは病理医にとって大きな負担である。 生成した画像であればこの問題も解決できる。 概要:GANを二回用いて眼球血管マスク画像と眼球画像の生成 マスク画像:患者のプライバシーに配慮し、マスキングした画像 *医療データは要配慮個人情報のためマスキングが必要、データ 数の確保が難しい Synthetic Medical Images from
Dual Generative Adversarial Networks (2017)Tejpal Virdi 日付 ネットワーク:GAN GANでの画像⽣成を2段階にすることで質の⾼い画像を⽣成で きた。
6.
どんなもの? 先行研究と比べて何がすごい? 技術の手法や肝は? 議論はある? どうやって有効だと検証した? 次に読むべき論文は? 参照文献で読んだのをここにお書き Trainデータ:GANによって小さなデータセットから生成された 肝臓腫瘍病変画像 Testデータ:実際のCT画像を3種類の病変(胚のう、転移がん、 肝血管腫)に分類 機械学習を適用できるほどの医療画像のデータのサンプル数が 少ない。 また診断医にも大きな負担になっていた。将来的には種々の問 題を解決できるだろう。 概要:GANによる肝臓腫瘍病変画像の生成 CNNによる生成した画像を学習 CNNによる未知の病変画像を分類 GAN-based Synthetic Medical
Image Augmentation for increased CNN Performance in Liver Lesion Classification (2018)Maayan Frid-Adar, /Hayit Greenspan 日付 ネットワーク:DCGAN 今までは肝血管腫と転移癌の分類が難しかったがGANで 生成した画像を用いると精度と感度が向上した。
Descargar ahora