文献

J-GLOBAL ID：201802219811569269   整理番号：18A0859463

自動胎児顔標準平面認識のための深部畳込みニューラルネットワークに基づくフレームワーク【JST・京大機械翻訳】

A Deep Convolutional Neural Network-Based Framework for Automatic Fetal Facial Standard Plane Recognition

著者 (8件)： Yu Zhen (National Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Health Science Center, Shenzhen University, Shenzhen, China) ,  Tan Ee-Leng (Beijing Sesame World Co., Ltd, Beijing, China) ,  Ni Dong (National Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Health Science Center, Shenzhen University, Shenzhen, China) ,  Qin Jing (Centre for Smart Health, School of Nursing, The Hong Kong Polytechnic University, Hong Kong) ,  Chen Siping (National Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Health Science Center, Shenzhen University, Shenzhen, China) ,  Li Shengli (Department of Ultrasound, Affiliated Shenzhen Maternal and Child Healthcare Hospital of Nanfang Medical University, Shenzhen, China) ,  Lei Baiying (National Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Health Science Center, Shenzhen University, Shenzhen, China) ,  Wang Tianfu (National Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Health Science Center, Shenzhen University, Shenzhen, China)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 22  号： 3  ページ： 874-885  発行年： 2018年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  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： 超音波イメージングは出生前診断における一般的な検査法になった。胎児顔面標準面(FFSP)の正確な取得は,その後の診断と測定のための最も重要な前提条件である。過去数年において,様々な手craの特徴を用いたFFSP認識に多大な努力が払われているが,FFSPの高いクラス内変動とFFSPと他の非FFSP間の高い視覚類似性のために認識性能はまだ不十分である。認識性能を改善するために,深い畳込みニューラルネットワーク(DCNN)アーキテクチャを介してFFSPを自動的に認識する方法を提案した。提案したDCNNは,小さい3個のサイズのカーネルと3個の完全に接続した層を持つ16個の畳込み層から成る。グローバル平均プールを,ネットワークパラメータを著しく減少させるために,最終プール層に採用し,そしてそれは,過剰適合問題を緩和し,そして,限られた訓練データの下で,性能を改善した。移動学習戦略とFFSPのために調整されたデータ拡張技術の両方を,認識性能をさらに上げるために実装した。広範な実験により,従来のアプローチに対する提案した方法の利点と,臨床診断のためのFFSPを認識するDCNNの有効性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 超音波画像 ,  計算機アーキテクチャ ,  類似性 ,  *畳込み ,  視覚 ,  *胎児 ,  出生前診断
準シソーラス用語： 臨床診断 ,  訓練データ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 医用情報処理  (JE15030Q) ,  生体遠隔測定  (EL03030N)

タイトルに関連する用語 (5件)： 胎児 ,  標準 ,  深部 ,  畳込みニューラルネットワーク ,  フレームワーク