文献

J-GLOBAL ID：201602250613345424   整理番号：16A1404024

Vネット:体積測定医用画像セグメンテーションのための完全畳込みニューラルネットワーク【Powered by NICT】

V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation

著者 (3件)： Milletari Fausto ,  Navab Nassir ,  Ahmadi Seyed-Ahmad
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： 3DV  ページ： 565-571  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： 畳込みニューラルネットワーク(CNN)は最近,コンピュータビジョンと医用画像分析分野の両方からの問題を解決するために採用した。その人気にもかかわらず,ほとんどの手法は2D画像できる唯一の臨床で使用される最も医療データは,3D体積から構成されている。本研究では,体積,完全畳込みニューラルネットワークに基づく3D画像セグメンテーションへのアプローチを提案した。CNNは前立腺を記述したMRI容積に及ぼすエンドツーエンド訓練されると,一度に全体積のためのセグメンテーションを予測するために学習する。新しい目的関数は,訓練中に最適化する,Dice係数に基づいて導入した。このようにして,著者らは,前景および背景ボクセルの数との間に強い不均衡である場合を扱うことができる。訓練のための利用可能な注釈付き体積の限られた数に対処するために,筆者らはランダム非線形変換とヒストグラムマッチングを適用したデータを増大させた。は他の従来の方法に必要な処理時間の一部だけを必要とするが,この手法は挑戦的な試験データに良好な性能を達成することを著者らの実験的評価を示した。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： アノテーション ,  *ニューラルネットワーク ,  三次元 ,  *体積測定 ,  *セグメンテーション ,  コンピュータビジョン ,  ボクセル ,  目的関数 ,  *畳込み ,  最適化 ,  *画像 ,  前景 ,  *画像セグメンテーション ,  医用画像解析 ,  *医用画像セグメンテーション ,  改変

分類 (1件)： パターン認識  (JE07000S)

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