文献
J-GLOBAL ID:201702221730096903   整理番号:17A1344996

多段完全畳込みネットワークを用いたダーモスコピー画像のセグメンテーション【Powered by NICT】

Dermoscopic Image Segmentation via Multistage Fully Convolutional Networks
著者 (6件):
資料名:
巻: 64  号:ページ: 2065-2074  発行年: 2017年 
JST資料番号: C0236A  ISSN: 0018-9294  CODEN: IEBEAX  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:
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。
皮膚病変の【目的】セグメンテーションは黒色腫の自動コンピュータ支援診断における重要なステップである。しかし,病変はファジィ境界,背景を持った低いコントラスト,不均一組織を持ち,またはアーチファクトを含む場合に既存のセグメンテーション法は以下セグメント病変と貧弱に行う傾向を持っている。さらに,これらの方法の性能は,多数のパラメータだけでなく,効果的な前処理技術の使用,照明補正と脱毛などの適切な調整に大きく依存している。【方法】皮膚病変の自動セグメンテーションに対する畳込みネットワーク(FCN)を完全に利用することを提案した。FCNは高レベル意味論的情報を用いた低レベル外見情報を組み合わせた階層による物体検出を達成することをニューラルネットワークアーキテクチャである。多重FCNは異なる皮膚病変の相補的視覚特性を学ぶ多段セグメンテーションアプローチを通した挑戦的な皮膚病変(例えば,ファジィ境界を持つ非圧縮性流および/または前景と背景の間の集合組織の低い差)の粗いセグメンテーション境界を形成しFCNの問題を解決早期FCNは粗い外観と局在化情報を学習する一方,後期FCNは病変境界の微妙な特性を学習する。も正確な局在と明確に定義された病変境界,最も挑戦的な皮膚病変を有することを最終的なセグメンテーション結果を達成するために個々の分割段階から導出した補足的情報を結合するための新しい並列積分法を導入した。【結果】,ISBI2016皮膚病変挑戦データセットの平均Dice係数91.18%,PH2データセット上で90.66%を達成した。結論と意義:著者らの二つの良く確立された公開ベンチマークデータセットに関する広範な実験結果は,この方法が皮膚病変セグメンテーションのためのその他の最先端レベル手法よりもより効果的であることを示した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
医用画像処理  ,  皮膚の診断 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る