文献

J-GLOBAL ID：201702226521936520   整理番号：17A1036646

マルチスケール積分による完全畳込みネットワークを用いた低コントラストCT画像に及ぼす副腎病変検出【Powered by NICT】

Adrenal lesions detection on low-contrast CT images using fully convolutional networks with multi-scale integration

著者 (6件)： Bi Lei (School of Information Technologies, University of Sydney, Australia) ,  Kim Jinman (School of Information Technologies, University of Sydney, Australia) ,  Su Tingwei (Ruijin Hospital, Shanghai Jiao Tong University, China) ,  Fulham Michael (School of Information Technologies, University of Sydney, Australia) ,  Feng Dagan (School of Information Technologies, University of Sydney, Australia) ,  Ning Guang (Ruijin Hospital, Shanghai Jiao Tong University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISBI  ページ： 895-898  発行年： 2017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： 副腎病変は副腎の良性および悪性腫瘍の広範な多様性を含んでおり,これら要因は腹部のコンピュータ断層撮影(CT)検査の5%までにみられた。これら病変のより良い同定は,効果的な管理と患者の予後に重要である。経験を積んだ医師であっても,しかし,低コントラストCT画像上の検出は,困難であり,誤りを含む可能性が高い,病変は正常周辺構造から分離するにしばしば問題である。既存病変検出技術は,低コントラスト腫瘍であり,低レベル特徴の利用よりもむしろ意味論の高レベルに関連する同定と分化中の問題を抱えている。完全畳込みネットワーク(FCN)と低コントラストCTスキャンで副腎病変を検出するためのマルチスケール積分を用いた自動化手法を提案した。FCNのアーキテクチャは階層的に深い粗,意味情報と浅い,微細,外見情報を含み,画像広い位置と意味論の符号化,副腎病変検出のための望ましい特性を可能にする。も異なるスケールでの病変境界を精密化するためのスーパーピクセルに基づくランダムウォーク(MI SRW)法を用いたマルチスケール統合を提案した。MI SRW法は種々の大きさと特性の副腎病変を検出するための空間と外観の一貫性を制約し,種々のスケールで得られた相補的情報の利用を可能にする。低コントラストCTで検出された38の副腎病変を使用し,既存の最先端方法と提案アプローチを比較し,提案アプローチでは,優れた検出性能を有することを見出した。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： *ネットワーク ,  意味論 ,  *積分 ,  *コントラスト ,  *画像 ,  検出法 ,  自動化 ,  計算機トモグラフィー ,  *畳込み ,  符号化 ,  腫瘍 ,  *副腎
準シソーラス用語： *病巣 ,  *CT画像 ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (2件)： 内分泌系の腫よう  (GL04000P) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (7件)： マルチスケール ,  積分 ,  畳込み ,  コントラスト ,  CT画像 ,  副腎 ,  病変