文献

J-GLOBAL ID：201702247607511071   整理番号：17A1429910

体積医用画像の自動セグメンテーションのための3D深く教師つきネットワーク【Powered by NICT】

3D deeply supervised network for automated segmentation of volumetric medical images

著者 (7件)： Dou Qi (Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China) ,  Yu Lequan (Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China) ,  Chen Hao (Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China) ,  Jin Yueming (Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China) ,  Yang Xin (Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China) ,  Qin Jing (Centre for Smart Health, School of Nursing, The Hong Kong Polytechnic University, Hong Kong, China) ,  Heng Pheng-Ann (Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 41  ページ： 40-54  発行年： 2017年 
JST資料番号： W3156A  ISSN： 1361-8415  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： 深い畳込みニューラルネットワーク(CNN)は,2D医用画像セグメンテーションにおける注目すべき成功を達成したが,それはいくつかの相互影響課題のために3次元医用画像,体積画像における複雑な解剖学的環境,3Dネットワークの最適化困難と訓練サンプルの不適切性を含む重要な器官や構造のセグメンテーションを行うためにまだCNNのための困難な仕事である。本論文では,これらの課題に取り組む包括的に3D深い監視機構を備えた新規で効率的な3D完全畳込みネットワークを示した;3D DSNと呼ぶ。著者らの提案した3D DSNは体積体積学習と推論を行うことができ,これは冗長な計算を除去し,限られた訓練データに過剰適合のリスクを緩和することができる。より重要なことは,3D深いモデルを訓練,収束速度を加速し,識別能力を同時に改善するとき,3D深い監視機構はほとんど無視できるかまたは爆発勾配の最適化問題に対処できる。このような機構は,ネットワークの下部および上部両層の訓練を導く直接目的関数を導出することにより開発した,不安定な勾配変化の悪影響は訓練手順中に打ち消すことができた。また,セグメンテーション結果を精密化するために後処理段階として完全に連結した条件付き確率場モデルを採用した。を広範囲に二つの典型的なまだ挑戦的な体積医用画像セグメンテーションタスク上で提案された3D DSNを検証した(i)3次元CTスキャンからの肝臓セグメンテーションと(ii)3D MR画像から全心臓・大血管セグメンテーション,MICCAIと共に開催され二グランドチャレンジに関与する。はるかに速い速度で両課題における最先端の方法に競合セグメンテーション結果を達成し,著者らの提案した3D DSNの有効性を裏付けた。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： *三次元 ,  計算機トモグラフィー ,  精密化 ,  *ネットワーク ,  *医用画像 ,  後処理 ,  *セグメンテーション ,  畳込み ,  心臓 ,  最適化問題 ,  学習 ,  ニューラルネットワーク ,  目的関数 ,  最適化
準シソーラス用語： 医用画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (4件)： 体積医用画像セグメンテーション ,  3D深く教師つきネットワーク ,  3D完全畳込みネットワーク ,  深い学習

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 体積 ,  医用画像 ,  自動セグメンテーション ,  3D ,  教師