文献

J-GLOBAL ID：201702246203952324   整理番号：17A1036718

以前に基づくグラフカット深い学習を利用した肺結節セグメンテーション【Powered by NICT】

Lung nodule segmentation using deep learned prior based graph cut

著者 (3件)： Mukherjee Suvadip (GE Global Research, Bangalore, India) ,  Huang Xiaojie (GE Global Research, Niskayuna, USA) ,  Bhagalia Roshni R. (GE Global Research, Niskayuna, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISBI  ページ： 1205-1208  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： 深い学習した事前分布を用いたカットグラフを用いた肺CTスキャンからの肺結節セグメンテーションのための自動化フレームワークを提案した。セグメンテーション問題はハイブリッド費用関数最小化タスク,深い学習確率マップを用いたドメイン固有データ項を組み合わせたとして定式化した。提案したセグメンテーションフレームワークは,オブジェクト局在化における深い学習のロバスト性を,複雑な物体の形態学的複雑さに対処する上で従来のセグメンテーションモデルの顕著な特徴を保持していた。提案した解決策は,現代のデータ駆動モデルよりも20%以上の性能改善を提供し,また特にモデル初期化はわずかに不正確な状況における伝統的なグラフカットより性能が優れている。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： ロバスト性 ,  *学習 ,  モルフォロジー ,  計算機トモグラフィー ,  定式化 ,  *セグメンテーション ,  モデル ,  自動化 ,  費用関数
準シソーラス用語： データ駆動 ,  局在化 ,  事前分布 ,  *肺結節 ,  *グラフカット , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： グラフカット ,  学習 ,  肺結節 ,  セグメンテーション