文献

J-GLOBAL ID：201702228284129350   整理番号：17A1549348

多発性硬化症病変セグメンテーションのためのマルチビュー縦CNN【Powered by NICT】

Multi-view longitudinal CNN for multiple sclerosis lesion segmentation

著者 (2件)： Birenbaum Ariel (Department of Electrical Engineering, Tel-Aviv University, Israel) ,  Greenspan Hayit (Department of Biomedical Engineering, Tel-Aviv University, Israel)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 65  ページ： 111-118  発行年： 2017年 
JST資料番号： T0797A  ISSN： 0952-1976  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： 本研究では,多発性硬化症(MS)病変セグメンテーションのための性ディープ学習に基づく自動化法を提示した。MS病変の自動セグメンテーションは,磁気共鳴(MR)画像における形状,大きさ,位置とテクスチャの変動性のために挑戦的な課題である。提案方式では,MR強度と白質(WM)プライアを用い,病変候補ボクセルを抽出し,その後畳込みニューラルネットワーク(CNN)は偽陽性削減と最終的セグメンテーション結果に利用されている。提案したネットワークは,時系列データ,MS病変分析の領域における新しい寄与を使用している。法は2015縦MS病変セグメンテーション挑戦課題データセット上で最先端技術レベルの結果を得て,訓練されたヒト評価者と同等の性能レベルを達成した。,提案した,精度とロバスト性で証明され一旦のような,自動セグメンテーション手法は,診断と患者追跡を助けることができる手動セグメンテーションの時間のかかる必要性を減少させた。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： 患者 ,  ニューラルネットワーク ,  白質 ,  *多発性硬化症 ,  ヒト ,  ボクセル ,  学習 ,  ネットワーク ,  画像 ,  *セグメンテーション ,  ロバスト性 ,  畳込み ,  自動化
準シソーラス用語： 自動セグメンテーション ,  *病巣 , 【Automatic Indexing@JST】

著者キーワード (4件)： 多発性硬化症 ,  縦方向 ,  CNN ,  セグメンテーション

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 多発性硬化症 ,  病変 ,  セグメンテーション ,  マルチビュー ,  縦 ,  CNN