文献

J-GLOBAL ID：201702268990418695   整理番号：17A1176608

正確な脳病変セグメンテーションのための完全に連結したCRFを用いた効率的なマルチスケール3次元CNN【Powered by NICT】

Efficient multi-scale 3D CNN with fully connected CRF for accurate brain lesion segmentation

著者 (10件)： Kamnitsas Konstantinos (Biomedical Image Analysis Group, Imperial College London, UK) ,  Ledig Christian (Biomedical Image Analysis Group, Imperial College London, UK) ,  Newcombe Virginia F.J. (University Division of Anaesthesia, Department of Medicine, Cambridge University, UK) ,  Newcombe Virginia F.J. (Wolfson Brain Imaging Centre, Cambridge University, UK) ,  Simpson Joanna P. (University Division of Anaesthesia, Department of Medicine, Cambridge University, UK) ,  Kane Andrew D. (University Division of Anaesthesia, Department of Medicine, Cambridge University, UK) ,  Menon David K. (University Division of Anaesthesia, Department of Medicine, Cambridge University, UK) ,  Menon David K. (Wolfson Brain Imaging Centre, Cambridge University, UK) ,  Rueckert Daniel (Biomedical Image Analysis Group, Imperial College London, UK) ,  Glocker Ben (Biomedical Image Analysis Group, Imperial College London, UK)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 36  ページ： 61-78  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： 二重経路,11層深,三次元畳込みニューラルネットワーク脳病変セグメンテーションの挑戦的な課題を提案した。考案したアーキテクチャは,類似した適用のために提案された現在のネットワークの限界の詳細な解析の結果である。3D医用スキャンを処理の計算負荷を克服するために,筆者らは,データ中に存在する固有のクラス不均衡に自動的に適合しながら,ネットワークを介して1パスに隣接した画像パッチの処理を結合する効率的かつ効果的な高密度訓練方式を考案した。さらに,より深い,より識別的3Dセルラニューラルネットワークの開発を解析した。局所と大きい両方の文脈情報を組み込むために,著者らは,多重スケールで同時に入力画像を処理する二重経路アーキテクチャを採用した。ネットワークのソフトセグメンテーションの後処理のために,偽陽性を除去する効果的に3D完全に連結した条件付き確率場を用いた。このパイプラインは,外傷性脳損傷,脳腫瘍,および虚血性脳卒中のマルチチャネルMRI患者データの病変セグメンテーションの三つの挑戦的なタスクで評価されている。全三応用のための最新の改善,公共ベンチマークBRATS2015とISLES2015上のトップランキング性能であった。著者らの方法は計算効率が良く,これは多様な研究及び臨床現場での採用を可能にした。実装のソースコードは公式に入手可能である。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： ベンチマーク ,  ネットワーク ,  *セグメンテーション ,  画像 ,  畳込み ,  後処理 ,  走査 ,  ニューラルネットワーク ,  *三次元 ,  学習 ,  計算機アーキテクチャ
準シソーラス用語： 計算効率 ,  *病巣 ,  文脈情報 ,  計算負荷 , 【Automatic Indexing@JST】

著者キーワード (5件)： 3D畳込みニューラルネットワーク ,  完全接続CRF ,  セグメンテーション ,  脳病変 ,  深い学習

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 脳病変 ,  セグメンテーション ,  CRF ,  マルチスケール ,  3次元 ,  CNN