文献

J-GLOBAL ID：201702218130199620   整理番号：17A1721379

組織病理画像セグメンテーションのための制約付き深弱監視【Powered by NICT】

Constrained Deep Weak Supervision for Histopathology Image Segmentation

著者 (4件)： Jia Zhipeng (Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China) ,  Huang Xingyi (State Key Laboratory of Software Development Environment, Key Laboratory of Biomechanics and Mechanobiology, Ministry of Education, Research Institute of Beihang University in Shenzhen, Beihang University, Beijing, China) ,  Chang Eric I-Chao (Microsoft Research, Beijing, China) ,  Xu Yan (Microsoft Research, Beijing, China)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 36  号： 11  ページ： 2376-2388  発行年： 2017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： 本論文では,組織病理学画像におけるセグメント癌領域に学習する新しい弱教師つき学習アルゴリズムを開発した。本論文では,新しい定式化,深い弱い監視(DWS)を用いた多重インスタンス学習(MIL)フレームワークに基づいている;,学習過程を支援するニューラルネットワークに制約を導入する効果的な方法を提案した。提案アルゴリズムの寄与結果は3つある:1)がん領域を分割し,における画像弱教師つき学習を行う完全畳込みネットワーク(FCN)をエンドツーエンド学習システムを構築2)FCN;内の弱い管理のもとでのマルチスケール学習を利用するDWS定式化を開発した。および3)陽性例についての制約学習プロセスを大幅に増加を楽しむための容易な付加的な弱教師つき情報を効果的に探索するためにこの手法を導入した。DWS MILとして,提案したアルゴリズムは実装が容易で,効率的に訓練することができた。本システムは,大規模組織病理学画像データセット上で最先端技術レベルの結果を示し,組織病理学画像を超えた医用画像における種々の応用に適用できる,MRI,CT,超音波画像と言った。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： 教師つき学習 ,  定式化 ,  学習 ,  医用画像 ,  ニューラルネットワーク ,  *画像 ,  畳込み ,  超音波画像 ,  ネットワーク ,  アルゴリズム
準シソーラス用語： 画像データ ,  マルチスケール ,  病理組織学 ,  *画像セグメンテーション ,  *組織病理 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 組織病理 ,  画像セグメンテーション ,  制約