文献

J-GLOBAL ID：201702240088254214   整理番号：17A0056215

MR画像における脳腫瘍のための深い学習に基づくセグメンテーション法【Powered by NICT】

A deep learning-based segmentation method for brain tumor in MR images

著者 (8件)： Zhe Xiao (School of Information and Software Engineering, University of Electronic Science and Technology of China, No.4, Section 2, North Jianshe Road, Chengdu, Sichuan, 610054, China) ,  Ruohan Huang (School of Information and Software Engineering, University of Electronic Science and Technology of China, No.4, Section 2, North Jianshe Road, Chengdu, Sichuan, 610054, China) ,  Yi Ding (School of Information and Software Engineering, University of Electronic Science and Technology of China, No.4, Section 2, North Jianshe Road, Chengdu, Sichuan, 610054, China) ,  Tian Lan (School of Information and Software Engineering, University of Electronic Science and Technology of China, No.4, Section 2, North Jianshe Road, Chengdu, Sichuan, 610054, China) ,  RongFeng Dong (School of Information and Software Engineering, University of Electronic Science and Technology of China, No.4, Section 2, North Jianshe Road, Chengdu, Sichuan, 610054, China) ,  Zhiguang Qin (School of Information and Software Engineering, University of Electronic Science and Technology of China, No.4, Section 2, North Jianshe Road, Chengdu, Sichuan, 610054, China) ,  Xinjie Zhang (Department of Neurosurgery, West China Hospital, Sichuan University, No. 37 Guo Xue Xiang, Chengdu, 610041, China) ,  Wei Wang (Department of Neurosurgery, West China Hospital, Sichuan University, No. 37 Guo Xue Xiang, Chengdu, 610041, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICCABS  ページ： 1-6  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： 正確な腫瘍セグメンテーションは,計算機支援脳腫瘍診断と手術計画に必須であり,重要なステップである。主観的セグメンテーションは,臨床診断と治療において広く採用されているが,それらは正確なも信頼性もなかった。脳腫瘍セグメンテーションのための自動および客観的システムが強く期待されている。しかしそれらはさらに低いセグメンテーション精度のようないくつかの課題に直面している,事前知識を要求または人間の介入を必要とする。本論文では,脳腫瘍のセグメンテーションを行うために提案した新しい新しいcoarse-to-fine法。この階層的フレームワークは,前処理,深層学習ネットワークに基づく分類と後処理から構成されている。前処理は,各MR画像のための画像パッチを抽出するのに使用され,深い学習ネットワークの入力として画像パッチのグレイレベル配列を得た。深層学習ネットワークに基づく分類は,入力からの高レベル抽象特徴を抽出するために積層オートエンコーダネットワークにより実現し,画像パッチを分類するために抽出した特徴を利用している。分類結果をマッピングする二値画像した後,後処理は,形態学的フィルタにより実現された最終的なセグメンテーション結果を得ることである。提案した方法を評価するために,実験は,実際の患者データセットのための脳腫瘍のセグメンテーションに適用した。最終性能は,提案した脳腫瘍セグメンテーション法がより正確で効率的であることを示した。Copyright 2017 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： *脳腫瘍 ,  患者 ,  後処理 ,  前処理 ,  *セグメンテーション ,  *画像 ,  二値画像 ,  ネットワーク ,  *腫瘍 ,  *学習 ,  *NMRイメージング
準シソーラス用語： 深層学習 ,  事前知識 ,  臨床診断 ,  手術計画 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： MR画像 ,  脳腫瘍 ,  学習 ,  セグメンテーション