文献

J-GLOBAL ID：201702256761094516   整理番号：17A1358221

術後CT画像に基づく学習画像セグメンテーション:水頭症事例研究【Powered by NICT】

Learning based image segmentation of post-operative CT-images: A hydrocephalus case study

著者 (6件)： Cherukuri Venkateswararao (Dept. of Electrical Engineering, The Pennsylvania State University, University Park, USA) ,  Ssenyonga Peter (CURE Children’s Hospital of Uganda, Mbale, Uganda) ,  Warf Benjamin C. (CURE Children’s Hospital of Uganda, Mbale, Uganda) ,  Kulkarni Abhaya V. (Division of Neurosurgery, Hospital for Sick Children, University of Toronto, ON, Canada) ,  Monga Vishal (Dept. of Electrical Engineering, The Pennsylvania State University, University Park, USA) ,  Schiff Steven J. (Center for Neural Engineering, The Pennsylvania State University, University Park, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： NER  ページ： 13-16  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： 脳脊髄液(CSF)と手術前と後の脳(術前と術後)の体積の正確な推定は,水頭症の治療を分析する上で重要な役割を果たしている。これは,脳組織とCSFへの脳画像のセグメンテーションに依存している。preop画像のセグメンテーションは,比較的簡単な問題であり,よく研究されている。しかし,術後CTスキャンのセグメンテーション脳に及ぼすプレス歪んだ解剖学および硬膜下血腫コレクションのために挑戦的である。硬膜下形状は異なる患者間で著しく異なりとして大部分の強度と特徴に基づくセグメンテーション法は,脳及び脳脊髄液からsubduralsを分離できず,それらの強度は時間とともに変化した。はピクセルレベルで教師つき分類としてセグメンテーションを扱う学習アプローチにより,この問題と戦う,すなわち標識ピクセル恒等式を用いてその訓練集合CTスキャンのを採用した。でわずかに拘束された分類に触発され,著者らの中心的寄与は効率的に同一クラスからの試験試料を表すが,ほとんど他のクラスから対応するサンプルを表すことができるクラス(セグメント)特異的辞書を学習する辞書学習フレームワークである。識別特徴を自動的に発見されるので,著者らは画像セグメンテーション(FLIS)に対する提案手法の特徴学習と呼ぶ。ウガンダの硬化children0s病院から得られた小児CT脳画像で行った実験は,既存の代替案に対する提案手法の成功を明らかにした。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： *水頭症 ,  *画像 ,  *事例研究 ,  硬膜 ,  画素 ,  計算機トモグラフィー ,  *学習 ,  解剖学 ,  髄液 ,  子供 ,  患者 ,  *セグメンテーション
準シソーラス用語： 脳画像 ,  *画像セグメンテーション ,  *CT画像 , 【Automatic Indexing@JST】

分類 (1件)： 神経系の診断  (GN02000H)

タイトルに関連する用語 (5件)： 術後CT ,  学習 ,  画像セグメンテーション ,  水頭症 ,  研究