文献

J-GLOBAL ID：201602232764825720   整理番号：16A1371711

MRI画像における畳込みニューラルネットワークを用いた脳腫瘍セグメンテーション

Brain Tumor Segmentation Using Convolutional Neural Networks in MRI Images

著者 (4件)： Pereira Sergio (Univ. of Minho, Guimaraes, Portugal) ,  Pinto Adriano (Univ. of Minho, Guimaraes, Portugal) ,  Alves Victor (Centro Algoritmi, Univ. do Minho, Braga, Portugal) ,  Silva Carlos A. (Univ. of Minho, Guimaraes, Portugal)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 35  号： 5  ページ： 1240-1251  発行年： 2016年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
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： 脳腫瘍の中でも,神経膠腫は最も一般的で攻撃的であり,最も寿命が短い。従って,治療計画は,腫瘍学患者の生活の質を改善するため重要なステージである。磁気共鳴イメージング(MRI)は,これらの腫瘍を評価するために広く使用されているイメージング技術であるが,MRIによって生成される大量のデータは,合理的な時間内での手動のセグメンテーションを妨げ,臨床実習における正確な定量測定の使用を制限になる。したがって,自動で信頼性の高いセグメンテーション方法が必要である。しかしながら,脳腫瘍の大きな空間的および構造的変動性は,自動セグメント化を困難な問題としている。本論文では,畳込みニューラルネットワーク(CNN)に基づく自動3分割法を提案し,小さな3×3のカーネルを探索した。小さなカーネルを使用することで,ネットワークの重みの数が少ないほど,オーバーフィッティングに対して肯定的な効果をもたらすだけでなく,より深いアーキテクチャを設計することができる。これはまた,CNNベースのセグメンテーション法では一般的ではないが,前処理ステップとしての強度正規化の使用を研究し,MRI画像における脳腫瘍セグメンテーションにデータ増強が非常に有効であることを証明した。当社の提案は,Brain Tumor Segmentation Challenge 2013データベース(BRATS 2013)で検証され,ChallengeデータセットのDice Similarity Coverageメトリック(0.88,0.83,0.77)の完全,コア,および強化領域の最初の位置を同時に取得した。また,オンライン評価プラットフォームによる総合的な第1位を獲得した。また,同じモデルを使用して,BRATS 2015チャレンジに参加し,完全,コア,および強化領域のそれぞれについて,0.78,0.65,および0.75のダイ類似度係数メトリックを使用して2番目の場所を取得した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST

シソーラス用語： *脳腫瘍 ,  神経膠腫 ,  放射線医学 ,  *NMRイメージング ,  医学教育 ,  実習 ,  *ニューラルネットワーク ,  穀粒 ,  *畳込み ,  *セグメンテーション
準シソーラス用語： *MRI画像 ,  カーネル ,  悪性神経膠腫 ,  核磁気共鳴イメージング ,  核腫瘍学

分類 (5件)： 磁気共鳴スペクトル一般(分子)  (BH06071C) ,  医用画像処理  (JE04020T) ,  医用情報処理  (JE15030Q) ,  脳・神経系モデル  (EL02050C) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： MRI画像 ,  畳込みニューラルネットワーク ,  脳腫瘍 ,  セグメンテーション