文献

J-GLOBAL ID：201702290861820227   整理番号：17A0472977

事前知識学習を用いた乳房腫瘍のセグメンテーション【Powered by NICT】

Breast tumor segmentation with prior knowledge learning

著者 (11件)： Xi Xiaoming (School of Computer Science and Technology, Shandong University of Finance and Economics, Jinan 250014, PR China) ,  Xi Xiaoming (The Shandong Province Key Laboratory of Digital Media Technology, Shandong University of Finance and Economics, Jinan 250014, PR China) ,  Shi Hao (Qianfushan Hospital of Shandong Province, Jinan 250014, PR China) ,  Han Lingyan (Shandong Computer Science Center (National Super computer Center in Jinan), Jinan 250014, PR China) ,  Han Lingyan (Shandong Provincial Key Laboratory of Computer Networks, Jinan 250014, PR China) ,  Wang Tingwen (School of Computer Science and Technology, Shandong University of Finance and Economics, Jinan 250014, PR China) ,  Wang Tingwen (The Shandong Province Key Laboratory of Digital Media Technology, Shandong University of Finance and Economics, Jinan 250014, PR China) ,  Ding Hong Yu (Qianfushan Hospital of Shandong Province, Jinan 250014, PR China) ,  Zhang Guang (Qianfushan Hospital of Shandong Province, Jinan 250014, PR China) ,  Tang Yuchun (Research Center for Sectional and Imaging Anatomy, Shandong University School of Medicine, Jinan 250012, China) ,  Yin Yilong (School of Computer Science and Technology, Shandong University, Jinan 250101, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 237  ページ： 145-157  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自動乳房腫瘍セグメンテーションは,乳房超音波画像解析のための重要なステップである。事前知識は,セグメンテーション性能を改善するために利用できる。しかし,強度,テクスチャ,形状などの一般的に用いられる事前情報は,超音波画像における乳房腫瘍の複雑な特性のために役に立たないかもしれない。本論文では,異常な腫瘍領域の新しい事前知識,ベースセグメンテーションモデルに対して相補的である可能性を提案した。このアイデアに基づいて,筆者らは事前知識学習による乳房腫瘍セグメンテーション手法を開発した。提案した方法は,主に二段階(事前知識学習とセグメンテーションモデル構築から構成されている。第一段階では,事前知識学習モデルは異常な腫瘍領域を正しく分類するために使用できる事前情報を学習するために開発した。異常腫瘍領域の正確なセグメンテーション結果を得るためにベースセグメンテーションモデルのため困難である。,学習された事前知識ベースセグメンテーションモデルを補完するものである。学習した事前知識を利用するために,前以っての知識基盤の制約は,ロバストなセグメンテーションモデル構築のためのベースセグメンテーションモデルに組み込まれている。提案した方法の性能を検証するために,四種類の超音波デバイスからの胸部画像を収集することにより186例(良性135例,悪性51例)を含んでいた乳房超音波画像データベースを構築した。構築されたデータベースに関する実験結果は,提案した方法の有効性とロバスト性を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *乳房 ,  モデリング ,  超音波画像 ,  学習モデル ,  *乳房腫瘍 ,  画像 ,  知識ベース ,  *セグメンテーション ,  データベース ,  *腫瘍 ,  *学習 ,  ロバスト性
準シソーラス用語： テクスチャ ,  *事前知識 , 【Automatic Indexing@JST】

著者キーワード (3件)： 乳房腫瘍セグメンテーション ,  乳房超音波画像 ,  前知識学習

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 事前知識 ,  学習 ,  乳房腫瘍 ,  セグメンテーション