文献

J-GLOBAL ID：201702271721548781   整理番号：17A0698536

胎児心エコー図セグメンテーションにおける適応グループスパース表現【Powered by NICT】

Adaptive group sparse representation in fetal echocardiogram segmentation

著者 (6件)： Guo Yi (Department of Electronic Engineering, Fudan University, Shanghai 200433, China) ,  Yu Li (Department of Electronic Engineering, Fudan University, Shanghai 200433, China) ,  Wang Yuanyuan (Department of Electronic Engineering, Fudan University, Shanghai 200433, China) ,  Yu Jinhua (Department of Electronic Engineering, Fudan University, Shanghai 200433, China) ,  Zhou Guohui (Department of Electronic Engineering, Fudan University, Shanghai 200433, China) ,  Chen Ping (Department of Ultrasound, the First Maternal and Infant Health Care Hospital, Tongji University, School of Medicine, Shanghai 200433, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 240  ページ： 59-69  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 胎児心エコー図における四心室をセグメンテーションするための新しいグループスパース表現モデルを提案した。統一的フレームワークの中で群再構成誤差,スパース性と特徴的な項を導入することにより,このモデルは心エコー図の固有構造を利用し,識別群辞書を構築することができた。高原子の利用と低複雑性を持つコンパクトな辞書を得るために開発した新しい適応群辞書学習アプローチ。学習された辞書を用いて,再構成残基を用いて,四室の初期位置を識別することである。局所見えを用いて地域的に最終輪郭を精密化した。提案AGDLの性能と胎児心エコー図セグメンテーションへの応用を評価するために広範な実験を行った。結果は筆者らのアプローチの表現と識別力と他の競合最先端スパース表現法と一般的な強度モデルへの優れた性能を実証した。我々のアプローチは,よりコンパクトで識別群辞書を学習することができ,ロバストで正確な四室セグメンテーション結果を提供した。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： 輪郭 ,  *胎児 ,  心室 ,  精密化 ,  *心エコー図 ,  *セグメンテーション ,  モデル ,  再構成 ,  ロバスト性
準シソーラス用語： 見え ,  初期位置 ,  辞書学習 ,  低複雑性 ,  スパース性 ,  *スパース表現 , 【Automatic Indexing@JST】

著者キーワード (3件)： グループスパース表現 ,  適応辞書学習 ,  胎児心エコー図セグメンテーション

分類 (2件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 胎児心エコー ,  セグメンテーション ,  適応 ,  グループ ,  スパース表現