抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
腺の形態は腺癌の悪性度を評価するための病理学者が日常的に使用されてきた。組織学画像からの腺の正確なセグメンテーションは,定量的診断のための信頼性のある形態学的統計量を得るために重要なステップである。本論文では,統一されたマルチタスク学習フレームワークの下で,この挑戦課題を解くための効率的な深い輪郭を意識したネットワーク(DCAN)を提案した。提案したネットワークにおいて,階層構造からマルチレベル文脈的特徴は,正確な腺セグメンテーションのための補助監視を検討した。訓練中のマルチタスク正則化を組み込んだと,中間体特徴の識別能力をさらに向上させることができる。ネットワークは腺の正確な確率マップを出力でなく,クラスター化した物体,腺セグメンテーション性能を向上をさらに分離するための明確な輪郭を描出できる。追加ステップに頼ることなく大規模組織病理学的データに適用した後分離のための低レベル手がかりに基づく輪郭を生成するとき,この統一されたフレームワークは効率的である。著者らの方法は十三の競合チームのうち2015MICCAI腺セグメンテーション挑戦課題を獲得し,大きなマージンを全ての他の方法を超える。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】