文献

J-GLOBAL ID：201702229312340048   整理番号：17A1261668

動的畳込みニューラルネットワークに基づく心エコーシーケンスにおける胎児の左心室のセグメンテーション【Powered by NICT】

Segmentation of Fetal Left Ventricle in Echocardiographic Sequences Based on Dynamic Convolutional Neural Networks

著者 (5件)： Yu Li (Department of Electronic EngineeringFudan University) ,  Guo Yi (Department of Electronic Engineering, Fudan University, Shanghai, China) ,  Wang Yuanyuan (Department of Electronic Engineering, Fudan University, Shanghai, China) ,  Yu Jinhua (Department of Electronic EngineeringFudan University) ,  Chen Ping (Department of Ultrasound, The First Maternal and Infant Health Care Hospital, School of MedicineTongji University)
資料名： IEEE Transactions on Biomedical Engineering  (IEEE Transactions on Biomedical Engineering)
巻： 64  号： 8  ページ： 1886-1895  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： 心エコーシーケンスにおける胎児左心室(LV)のセグメンテーションは,胎児の心機能のさらなる定量分析のために重要である。しかし,画像総不均一性と胎児ランダムな動きセグメンテーション挑戦的な問題となっている。本論文では,マルチスケール情報と微調整に基づく動的畳込みニューラルネットワーク(CNN)は胎児LVセグメンテーションのための提案した。CNNは,ラベル付き訓練データの量によってpretrainedである。セグメンテーションでは,各心エコーシーケンスの最初のフレームは,手入力で描写した。動的CNNは,それぞれ個々の胎児に適応する残りフレームの最初のフレームと浅い同調を持つ深い調整により微調整されている。LVと左心房(LA)の間の接続領域を分離するための,ブロックマッチングと線マッチングからなるマッチングアプローチは僧帽弁(MV)塩基点追跡に使用されている。著者らの提案した方法の利点は,動的輪郭モデル(A CM),動的外見モデル(DAM),固定マルチスケールCNN法と比較した。51心エコー配列での実験結果から,セグメンテーション結果をグランドトルースと良く一致し,特に漏れ,ぼやけた境界,と課題を受ける変化をもつケースであることを示した。CNN(セルラニューラルネットワーク)アーキテクチャは簡単な可能性があると,動的微調整は効率的である。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： *胎児 ,  セルラニューラルネットワーク ,  定量分析 ,  *畳込み ,  計算機アーキテクチャ ,  画像 ,  *ニューラルネットワーク ,  *セグメンテーション ,  マッチング ,  不均一性 ,  *心エコー法
準シソーラス用語： 訓練データ ,  微調整 ,  マルチスケール ,  *左心室 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 畳込みニューラルネットワーク ,  心エコー ,  シーケンス ,  胎児 ,  左心室 ,  セグメンテーション