文献
J-GLOBAL ID:201802216564087448   整理番号:18A0325304

深い畳込みニューラルネットワークを用いたコーンビームCTにおける歯の分類【Powered by NICT】

Classification of teeth in cone-beam CT using deep convolutional neural network
著者 (7件):
資料名:
巻: 80  ページ: 24-29  発行年: 2017年 
JST資料番号: E0858A  ISSN: 0010-4825  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
歯科記録は法医学的同定に重要な役割を果たしている。この目的のために,死後歯科的所見と歯条件は歯科チャートに記録されたおよび生前記録の結果と比較した。しかし,ほとんどの歯科医は死体の歯科図を記録することで未経験,物理的および精神作業,特に大規模災害である。本研究の目的は,歯科X線画像を用いて歯科ファイリングプロセスを自動化することである。本研究では,歯科用コーンビーム計算機トモグラフィー(CT)画像に及ぼす歯型を分類するための深い畳込みニューラルネットワーク(DCNN)の適用を検討した。単一歯を含む関心領域(ROIs)は,CTスライスから抽出した。五十二CTボリュームを無作為に42訓練と10テストケースに分け,訓練事例から得られたROIをDCNNを訓練するために使用した。サンプリング効果を検討するため,ランダムサンプリングを3回施行し,訓練と試験を繰り返した。Caffeフレームワークで提供されたAlexNetネットワークアーキテクチャ,5畳込み層,3貯留層,および2完全接続層を用いた。オーバートレーニング効果を減少させるために,画像回転と強度変換によりデータを増加させた。試験ROIを訓練したネットワークによる7歯型に分類した。画像回転と強度変換で強化した訓練データを用いた平均分類精度は88.8%であった。データ増加なしの結果と比較して,データ増大は,分類精度を約5%改善した。これは更なる改善がCTデータセットを拡大が期待できることを示した。従来法とは異なり,提案した方法は正確な歯セグメンテーションを必要とせずに高い分類精度を得るのに好都合である。提案した歯分類法は法医学的同定のための歯科図の自動ファイリングに有用である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
医用画像処理  ,  パターン認識 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る