文献

J-GLOBAL ID：201702290718559353   整理番号：17A1391812

Jaccard距離を持つ深い完全畳込みネットワークを用いた自動的皮膚障害セグメンテーション【Powered by NICT】

Automatic Skin Lesion Segmentation Using Deep Fully Convolutional Networks With Jaccard Distance

著者 (3件)： Yuan Yading (Department of Radiation Oncology, Icahn School of Medicine at Mount Sinai, New York, NY, USA) ,  Chao Ming (Department of Radiation Oncology, Icahn School of Medicine at Mount Sinai, New York, NY, USA) ,  Lo Yeh-Chi (Department of Radiation Oncology, Icahn School of Medicine at Mount Sinai, New York, NY, USA)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 36  号： 9  ページ： 1876-1886  発行年： 2017年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
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： ダーモスコピー画像における自動皮膚病変セグメンテーションは,病変と周辺皮膚,不規則でファジィ病変境界,様々なアーチファクトの存在,および様々な画像取得条件の間の低コントラストのために,挑戦的な課題である。本論文では,エンドツーエンド訓練し,データの事前知識に依存しない19層の深い畳込みニューラルネットワークを活用することにより皮膚病変セグメンテーションのための完全自動化法を提示した。が限定した訓練データで効果的で効率的な学習を確実にするための戦略のセットを提案した。サンプルの再重みづけの必要性,前景および背景ピクセルの数との間に強い不均衡による画像セグメンテーションのための損失関数としてクロスエントロピーを用いた場合に典型的な手順を除去するためにJaccard距離に基づく新しい損失関数を設計した。有効性,効率性,同様に二種類の公開利用可能なデータベース上で提案フレームワークの汎化能力を評価した。一つはメラノーマ検出課題に対するISBI2016皮膚病変解析からであり,もう一つはPH2データベースである。実験結果は,提案した方法がこれら二データベース上でその他の最先端技術アルゴリズムより優れていることを示した。著者らの方法は,十分に一般的であり,最小前・後処理,様々な医用画像セグメンテーションタスクの採用を可能にするが必要なだけである。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： ニューラルネットワーク ,  汎化 ,  コントラスト ,  *セグメンテーション ,  損失関数 ,  *畳込み ,  画素 ,  アーチファクト ,  *ネットワーク ,  アルゴリズム ,  データベース ,  重みづけ
準シソーラス用語： 画像セグメンテーション ,  事前知識 ,  病巣 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 畳込み ,  皮膚障害 ,  セグメンテーション