文献

J-GLOBAL ID：201802229368888717   整理番号：18A1030652

ディープニューラルネットワークと加重ファジィ能動形状モデルを用いた3D小児超音波画像における自動腎臓セグメンテーション【JST・京大機械翻訳】

Automatic kidney segmentation in 3D pediatric ultrasound images using deep neural networks and weighted fuzzy active shape model

著者 (5件)： Tabrizi Pooneh R. (Sheikh Zayed Institute for Pediatric Surgical Innovation, Children’s National Health System, Washington DC, USA) ,  Mansoor Awais (Sheikh Zayed Institute for Pediatric Surgical Innovation, Children’s National Health System, Washington DC, USA) ,  Cerrolaza Juan J. (Sheikh Zayed Institute for Pediatric Surgical Innovation, Children’s National Health System, Washington DC, USA) ,  Jago James (Philips Healthcare, Bothell WA, USA) ,  Linguraru Marius George (Sheikh Zayed Institute for Pediatric Surgical Innovation, Children’s National Health System, Washington DC, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISBI  ページ： 1170-1173  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 3D超音波(3D US)画像における自動腎臓セグメンテーションは,病的腎臓の迅速で信頼できる診断を提供するために臨床的に重要である。著者らの画像は,特に異なる形状,サイズ,およびテクスチャー特性を有する小児腎臓に対して,器官評価のための挑戦的なモダリティである。本研究の目的は,深いニューラルネットワークと重みづけファジィ活性形状モデルの組合せを用いて,小児3DUS画像における自動腎臓セグメンテーション法を提示することである。著者らは,腎臓境界ボックスを局在化するために深い神経回路網を使用した。次に,ボックスを用いて,加重ファジィ活性形状モデルを初期化し,3DUSにおける腎臓カプセルの完全自動セグメンテーションを完了した。この方法の性能を45の腎臓のデータセットを用いて評価し,0.82±0.06の平均Dice類似性スコアと1.94±0.74mmの平均対称表面距離を示した。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： 対称性 ,  *画像 ,  *セグメンテーション ,  *形態 ,  重みづけ ,  *ニューラルネットワーク ,  *子供 ,  *三次元 ,  *曖昧さ ,  類似性 ,  *超音波画像
準シソーラス用語： モダリティ ,  *形状モデル ,  *加重 ,  *ディープニューラルネットワーク , 【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 (9件)： ディープニューラルネットワーク ,  加重 ,  ファジィ ,  形状モデル ,  3D ,  小児 ,  超音波画像 ,  腎臓 ,  セグメンテーション