文献

J-GLOBAL ID：201702258435675469   整理番号：17A0267711

適応雲モデルに基づく多模態脳部画像融合手法【JST・京大機械翻訳】

Fusion Method of Multi-model Brain Images Based on Adaptive Cloud Model

著者 (4件)： Zhao Jia (Chongqing Key Laboratory of Computational Intelligence,Chongqing University of Posts and Telecommunications) ,  Xiao Bin (Chongqing Key Laboratory of Computational Intelligence,Chongqing University of Posts and Telecommunications) ,  Li Weisheng (Chongqing Key Laboratory of Computational Intelligence,Chongqing University of Posts and Telecommunications) ,  Wang Guoyin (Chongqing Key Laboratory of Computational Intelligence,Chongqing University of Posts and Telecommunications)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 43  号： 11  ページ： 291-296,,Inside Back Cover  発行年： 2016年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： マルチモーダル医用画像融合は異なるモードの医用画像情報を抽出し、総合することにより、病巣部位に対するより明確、全面、正確、信頼できる画像描写を獲得し、医師の疾患の診断と合理的な治療プランの制定に信頼できる根拠を提供する。雲モデル理論は認知科学研究の新しい成果であり、ランダム性と曖昧性を考慮する利点があり、画像融合における応用は少ない。モデル理論を用いて、異なるモードのMRI(核磁気共鳴画像)脳画像、MRIとPET(陽電子放射断層撮影)、MRIとSPECT(単一光子放射断層撮影)の脳画像を融合した。まず第一に,グレイヒストグラムを,脳画像の灰色ヒストグラムの特性に従って適合させる。次に,適合曲線の谷分割によって,雲モデルを形成し,そして,逆雲発生によって雲モデルを適応的に生成した。最後に,雲推論規則を設計し,融合画像を得た。実験結果は,従来の融合方法と比較して,提案した方法がより明確な画像特性を持ち,活性化領域がより顕著であり,主観的融合効果と客観的評価指標の両方が大いに改善されることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 認知科学 ,  NMRイメージング ,  *画像 ,  トモグラフィー ,  多モード ,  医師 ,  曖昧さ ,  医用画像 ,  PET【トモグラフィー】 ,  *雲モデル ,  ヒストグラム ,  モデル理論 ,  SPECT
準シソーラス用語： 脳画像 ,  *画像融合 , 【Automatic Indexing@JST】

著者キーワード (4件)： Cloud model theory ,  Magnetic resonance imaging ,  Brain image fusion ,  Evaluation index

分類 (2件)： 医用画像処理  (JE04020T) ,  蛋白質・ペプチド一般  (EB03010N)

タイトルに関連する用語 (5件)： 適応 ,  雲モデル ,  脳 ,  画像融合 ,  手法