文献

J-GLOBAL ID：201702243650072521   整理番号：17A1316887

前立腺磁気共鳴画像セグメンテーションのデコンボリューションニューラルネットワークアプローチ【JST・京大機械翻訳】

Deconvolutional neural network for prostate MRI segmentation

著者 (3件)： Zhan Shu (合肥工業大学計算机与信息学院,合肥,230009) ,  Liang Zhicheng (合肥工業大学計算机与信息学院,合肥,230009) ,  Xie Dongdong (安徽省医科大学第二附属医院泌尿外科,合肥,230601)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 22  号： 4  ページ： 516-522  発行年： 2017年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:前立腺の磁気共鳴画像には組織境界のコントラストが低く、有効領域が少ないなどの問題があり、手の輪郭組織境界の伝統的なセグメンテーション方法は臨床のリアルタイム要求を満たすことができないため、これらの問題に対して、深さデコンボリューション神経回路網に基づく前立腺磁気共鳴画像セグメンテーションアルゴリズムを提案した。方法:深さの学習理論に基づき、訓練画像のサンプルを設計し、高い区分性を持つ前立腺画像特徴を抽出し、逆畳込み戦略を特徴図のサイズを拡大するために用い、ネットワークの入力サイズと出力予測図のサイズをマッチングさせた。ネットワークによって生成された確率的予測グラフは,1つのsoftmax分類装置を訓練することによって,予測画像を二値化して,最終的なセグメンテーション結果を得ることができた。原画像における有効な組織が少ないという問題を克服するために、dice類似性係数を畳込みネットワークの損失関数として採用した。結果:Diceの類似性係数とHausdorff距離を評価指標とし、MICCAI 2012のデータセットにおいて、Diceの類似性係数は89.75%より大きく、Hausdorff距離は1.3mmより小さかった。従来の方法のセグメンテーション精度は達成され,処理時間は1分以内に短縮され,他の方法より明らかに優れていた。結論:定量と定性実験により、反畳込み神経回路網に基づく前立腺分割方法は正確に磁気共鳴画像を分割でき、他の分割アルゴリズムより大幅に処理時間を減少させ、臨床の前立腺画像セグメンテーションタスクによく応用できることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *NMRイメージング ,  *デコンボリューション ,  *前立腺 ,  類似性 ,  *画像 ,  コントラスト ,  予測 ,  神経回路網 ,  *磁気共鳴 ,  畳込み ,  画像特性 ,  *セグメンテーション ,  分類装置 ,  アルゴリズム
準シソーラス用語： *画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (5件)： prostate segmentation ,  magnetic resonance imaging ,  convolutional neural network ,  Dice similarity coefficient ,  Hausdorff distance

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 前立腺 ,  磁気共鳴画像 ,  セグメンテーション ,  デコンボリューション ,  ニューラルネットワーク