文献

J-GLOBAL ID：201602250370223178   整理番号：16A0654650

深学習ネットワークと全体に接続された条件付き確率場による網膜血管セグメンテーション【Powered by NICT】

Retinal vessel segmentation via deep learning network and fully-connected conditional random fields

著者 (4件)： Fu Huazhu (Ocular Imaging Department, Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR), Singapore) ,  Xu Yanwu (Ocular Imaging Department, Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR), Singapore) ,  Wong Damon Wing Kee (Ocular Imaging Department, Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR), Singapore) ,  Liu Jiang (Ocular Imaging Department, Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR), Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ISBI  ページ： 698-701  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 血管セグメンテーションは,様々な医療応用のための重要なステップである。本論文では,網膜血管セグメンテーションの性能を改善するための深い学習アーキテクチャ紹介した。深い学習アーキテクチャは豊富な階層的表現を自動学習の強力な能力を持つことが証明されている。本論文では,境界検出問題への血管セグメンテーションを定式化し,容器確率マップを生成するための完全に畳込みニューラルネットワーク(CNN)を利用した。容器確率マップは,不適切なコントラスト領域の血管と背景を区別し,眼底画像における病理学的領域に対するロバスト性を持っている。さらに,完全接続型条件付き確率場(CRF)もピクセルを識別するための容器確率マップと遠距離相互作用を結合するために採用した。最後に,この方法により得られる二成分血管セグメンテーション結果。著者らの提案した方法は,DRIVEとSTAREデータセット上で最先端技術レベルの血管セグメンテーション性能を達成することを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ネットワーク ,  *血管 ,  画素 ,  畳込み ,  計算機アーキテクチャ ,  遠距離相互作用 ,  *網膜 ,  病理学 ,  *学習 ,  コントラスト ,  ロバスト性
準シソーラス用語： データセット ,  眼底写真 ,  境界検出 ,  *条件つき確率場 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 学習 ,  条件付き確率場 ,  網膜血管 ,  セグメンテーション