文献

J-GLOBAL ID：201702221708566965   整理番号：17A0368809

多様式医用画像融合のための新しい辞書学習法【Powered by NICT】

A novel dictionary learning approach for multi-modality medical image fusion

著者 (10件)： Zhu Zhiqin (Key Laboratory of Dependable Service Computing in Cyber Physical Society, Ministry of Education, Chongqing University, Chongqing 400030, China) ,  Zhu Zhiqin (College of Automation, Chongqing University, Chongqing City 400044, China) ,  Chai Yi (College of Automation, Chongqing University, Chongqing City 400044, China) ,  Chai Yi (State Key Laboratory of Power Transmission Equipment and System Security and New Technology, College of Automation, Chongqing University, Chongqing, China) ,  Yin Hongpeng (Key Laboratory of Dependable Service Computing in Cyber Physical Society, Ministry of Education, Chongqing University, Chongqing 400030, China) ,  Yin Hongpeng (College of Automation, Chongqing University, Chongqing City 400044, China) ,  Li Yanxia (Key Laboratory of Dependable Service Computing in Cyber Physical Society, Ministry of Education, Chongqing University, Chongqing 400030, China) ,  Li Yanxia (College of Automation, Chongqing University, Chongqing City 400044, China) ,  Liu Zhaodong (Key Laboratory of Dependable Service Computing in Cyber Physical Society, Ministry of Education, Chongqing University, Chongqing 400030, China) ,  Liu Zhaodong (College of Automation, Chongqing University, Chongqing City 400044, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 214  ページ： 471-482  発行年： 2016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： 多様式医用画像融合技術は,異なるモダリティ医用画像の相補的情報を統合し,病変のより正確な,信頼性のある,そしてより良い記述を得ることができる。辞書学習に基づく画像融合は,研究者と科学者に大きな注目を集めている,その高い性能。標準学習方式は,辞書学習のための全画像を使用した。しかし,医用画像における,情報領域は画像全体の小さい割合を示した。画像パッチの大部分は限られており,冗長な情報を持っている。辞書学習のための全ての画像パッチをロットunvaluedと冗長な情報の,医用画像融合品質に影響を及ぼす可能性をもたらす。本論文では,画像融合のための提案した新しい辞書学習アプローチ。提案した手法は三ステップから構成されている。,新しい画像パッチサンプリング方式は有益なパッチを得ることを提案した。第二に,局所密度ピークベースのクラスタリングアルゴリズムは,いくつかのパッチ群に類似した画像構造情報を用いた画像パッチを分類した。各パッチ群はK-SVDによるコンパクトサブ辞書に訓練した。最後にサブ辞書は完全な,情報とコンパクトな辞書に結合した。この辞書では,医用画像を効果的に記述できる唯一の重要で有用な情報を選択した。提案辞書学習手法の効率性を示すために,スパース係数ベクトルを訓練された辞書を用いた同時直交マッチング追跡(SOMP)アルゴリズムにより推定し,max L1規則によって融合した。比較実験結果と分析は,提案した方法が既存の最先端の方法よりも良好な画像融合品質を達成することを明らかにした。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： ベクトル ,  *画像 ,  アルゴリズム ,  ロット ,  クラスタ化 ,  透視図法 ,  *学習 ,  *医用画像 ,  クラスタリングアルゴリズム ,  改変
準シソーラス用語： 直交マッチング追跡 ,  画像構造 ,  *画像融合 ,  病巣 ,  モダリティ ,  *辞書学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 辞書学習 ,  マルチモダリティ医用画像融合 ,  情報サンプリング ,  ピーククラスタ化局所密度

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 医用画像 ,  融合 ,  辞書学習