文献

J-GLOBAL ID：201702239804719653   整理番号：17A1635228

肺結節の検出における偽陽性低減のための大きな残留複数ビュー3次元CNN【Powered by NICT】

Large residual multiple view 3D CNN for false positive reduction in pulmonary nodule detection

著者 (5件)： Dobrenkii Anton (Department of Computer Science, Innopolis University, Innopolis, Russia) ,  Kuleev Ramil (Department of Computer Science, Innopolis University, Innopolis, Russia) ,  Khan Adil (Department of Computer Science, Innopolis University, Innopolis, Russia) ,  Rivera Adin Ramirez (Institute of Computing, University of Campinas, Campinas, Brazil) ,  Khattak Asad Masood (College of Technological Innovation, Zayed University, Abu Dhabi, UAE)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CIBCB  ページ： 1-6  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： 肺結節検出は,肺癌の早期発見と早期治療に重要な役割を果たしている。偽陽性減少は肺結節検出システムの主要部品の一つである。本研究では候補の大きなグループ内で実際の肺結節を認識することを目的とした新しい方法を提案した。法は三段階:適切な受容野選択,特徴抽出と高レベル特徴融合と分類のための戦略から構成されている。データセットは,888患者の胸部体積低線量計算機トモグラフィー(LDCT)スキャンから構成され,公的に利用可能なLIDC IDRIデータセットから選択した。このデータセットは,LUNA16挑戦的オーガナイザで特徴づけられる1186結節となった。自明データ増強とドロップアウトは過剰適合を避けるために適用した。著者らの方法は,0.735の高い競争性能計量(CPM)およびスキャンあたり1と4偽陽性で78.8%と83.9%の感度を達成した。本研究はまた,詳細な記述を伴い,最新技術と比較して概要をもたらした。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： *三次元 ,  計算機トモグラフィー ,  走査 ,  患者 ,  特徴抽出
準シソーラス用語： *結節 ,  低線量 ,  特徴融合 ,  受容野 ,  早期治療 ,  癌の早期発見 ,  *誤検出 ,  *肺結節 , 【Automatic Indexing@JST】

分類 (1件)： 呼吸器の診断  (GI02000S)

タイトルに関連する用語 (5件)： 肺結節 ,  偽陽性 ,  残留 ,  3次元 ,  CNN