文献

J-GLOBAL ID：201802232568478643   整理番号：18A0161544

3Dマルチモーダル畳込みニューラルネットワークと特権的学習に基づく神経膠腫等級づけ【Powered by NICT】

Glioma grading based on 3D multimodal convolutional neural network and privileged learning

著者 (5件)： Ye Fangyan (School of Computer Science and Software Engineering, East China Normal University, Shanghai, China) ,  Pu Jian (School of Computer Science and Software Engineering, East China Normal University, Shanghai, China) ,  Wang Jun (School of Computer Science and Software Engineering, East China Normal University, Shanghai, China) ,  Li Yuxin (Department of Radiology, HuaShan Hospital, Fudan University, Shanghai, China) ,  Zha Hongyuan (School of Computer Science and Software Engineering, East China Normal University, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 759-763  発行年： 2017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： 特に高悪性度神経膠腫,脳腫瘍は,今日人類の最も致死的な癌の一つである。腫瘍悪性度の早期および正確な診断がその後の治療・処置のために重要である。過去では,従来の計算機支援診断は,磁気共鳴画像(MRI)からの手作り特徴,通常不正確で面倒に依存する。近年,深いニューラルネットワークを開発し,腫瘍セグメンテーションと分類した。しかし,ほとんどの既存の方法は,一連の2D画像の3D MRIを考察し,特徴連結による単純なモダリティ融合法を用いた。本論文では,三次元と複数のモダリティの両方の情報を統合するためのゲート多モードユニット(GMU)融合によるエンドツーエンド三次元畳込みニューラルネットワーク(3D CNN)を提案した。具体的には,3D畳込みカーネルは直接全MRI画像に適用し,矢状,軸方向および歯冠方向に異常を収集した。隠れ状態を持つGMUを特徴と決定レベルの両方において複数のMRIモダリティの情報を融合することを提案した。これらに基づき,GMU融合モデルにより抽出された特権情報を用いて蒸留CNN,単一モダリティを用いた分類の性能を大幅に改善すると呼ばれる新しいネットワークを訓練することである。BRATSデータセットに関する実証的研究は良性神経膠腫と悪性神経こう腫を区別するGMU融合と蒸留CNNと提案した3D CNNの有効性を確認した。Copyright 2018 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： *ネットワーク ,  脳腫瘍 ,  治療法 ,  画像 ,  NMRイメージング ,  セグメンテーション ,  計算機診断 ,  *等級づけ ,  *神経膠腫 ,  *三次元 ,  *ニューラルネットワーク ,  *畳込み ,  ヒト
準シソーラス用語： モダリティ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 3D ,  マルチモーダル ,  畳込みニューラルネットワーク ,  学習 ,  神経膠腫 ,  等級づけ