文献

J-GLOBAL ID：201702227754720820   整理番号：17A1464483

深部構造画像誘導放射線治療のためのニューラルネットワークに基づく実時間画像処理【Powered by NICT】

Deep architecture neural network-based real-time image processing for image-guided radiotherapy

著者 (1件)： Mori Shinichiro (Research Center for Charged Particle Therapy, National Institute of Radiological Sciences, Inage-ku, Chiba 263-8555, Japan.)
資料名： Physica Medica  (Physica Medica)
巻： 40  ページ： 79-87  発行年： 2017年 
JST資料番号： W3316A  ISSN： 1120-1797  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： 画像誘導放射線治療のためのリアルタイム画像処理を開発するために,筆者らは,異なる画像法で使用するためのいくつかのニューラルネットワークモデル,X線透視画像雑音除去を評価した。前立腺癌患者の画像は二つの斜めX線透視ユニットで取得した。二種類残留ネットワークを設計した:畳込みオートエンコーダ(rCAE)と畳込みニューラルネットワーク(rCNN)。両ネットワークのための畳込み層の畳込みカーネルの大きさと数,rCAEのプーリングとアップサンプリング層の数を変化させた。グランドトルース画像は,画像処理のコントラスト制限した適応ヒストグラム等化(CLAHE)法に適用した。ネットワークモデルは,画像処理なしで入力画像からグランドトルース画像のそれに近い出力画像の品質を維持するために訓練した。画像雑音除去評価のために,雑音のある入力画像は,訓練のために使用した。畳込みカーネル>5×5の6以上の畳込み層は画像品質を改善した。しかし,これはリアルタイムイメージングを可能にしなかった。両ネットワークへの対プーリングとアップサンプリング層を適用した後,>3のrCAEsは各convolutionsと対プーリングとアップサンプリング層の>12コンボリューションから構成されるrCNNsは許容可能な画質を持つ第二当たり30フレーム(fps)で実時間処理を達成した。提案ネットワークの利用は,従来の現代のパソコンを利用したコントラスト増強と画像雑音除去のための実時間画像処理を達成した。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： *ニューラルネットワーク ,  雑音 ,  畳込み ,  *画像 ,  パーソナルコンピュータ ,  *画像処理 ,  画質 ,  品質 ,  *ネットワーク ,  実時間処理 ,  コントラスト
準シソーラス用語： アップサンプリング ,  画像雑音除去 ,  神経回路網モデル ,  *実時間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 放射線療法 ,  透視 ,  神経回路網モデル ,  画像処理 ,  コンピュータ支援

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 深部構造 ,  画像誘導放射線治療 ,  ニューラルネットワーク ,  実時間 ,  画像処理