文献

J-GLOBAL ID：201802233707010195   整理番号：18A0800429

7T MR画像における3D血管周囲空間セグメンテーションのためのマルチチャネルマルチスケール完全畳込みネットワーク【JST・京大機械翻訳】

Multi-channel multi-scale fully convolutional network for 3D perivascular spaces segmentation in 7T MR images

著者 (8件)： Lian Chunfeng (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Zhang Jun (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Liu Mingxia (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Zong Xiaopeng (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Hung Sheng-Che (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Lin Weili (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Shen Dinggang (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Shen Dinggang (Department of Brain and Cognitive Engineering, Korea University, Seoul 02841, South Korea)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 46  ページ： 106-117  発行年： 2018年 
JST資料番号： W3156A  ISSN： 1361-8415  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： 血管周囲空間(PVSs)の正確なセグメンテーションは,PVS形態の定量的研究のための重要なステップである。しかし,PVSsは比較的低いコントラストを有する薄い管状構造であり,PVSsの数もしばしば大きいので,PVSsの手動描写には挑戦的で時間がかかる。いくつかの自動/半自動法,特に従来の学習ベースの手法は,3D PVSsのセグメンテーションのために提案されてきたが,それらの性能は,セグメンテーション前の洗練された前処理操作(例えば,特別に定義された関心領域(ROIs))と同様に,手書き画像特徴に依存することが多い。本論文では,PVSsの効率的なセグメンテーションのために,任意の指定された手書き特徴とROIの要求のない新しい完全畳込みニューラルネットワーク(FCN)を提案した。特に,元のT2加重7T磁気共鳴(MR)画像を,最初に,薄い管状構造を強化するために,非局所的Haar変換ベースの線特異性表現法によってフィルターをかけた。元のおよび強化されたMR画像の両方を,詳細な画像情報を補完的に提供し,PVSsの局在化のための管状構造情報を強化するために,多チャネル入力として用いた。次に,マルチスケール特徴を自動的に学習し,PVSsと隣接脳組織の間の空間的関連性を特性化した。最後に,生成されたPVS確率マップを入力の追加チャネルとしてネットワークに再帰的に負荷し,セグメンテーション結果をさらに精密化するための補助的文脈情報を提供した。20人の被験者からスキャンした7T脳MR画像について,提案したマルチチャネルマルチスケールFCNを評価した。実験結果は,いくつかの最先端の方法と比較して優れた性能を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： キャラクタリゼーション ,  *NMRイメージング ,  *ネットワーク ,  *セグメンテーション ,  *チャネル ,  画像特性 ,  フィルタ ,  *血管 ,  *三次元 ,  *畳込み ,  学習 ,  *画像 ,  コントラスト
準シソーラス用語： *マルチスケール ,  関心領域 , 【Automatic Indexing@JST】

著者キーワード (5件)： 血管周囲空間 ,  セグメンテーション ,  完全畳込みネットワーク ,  深層学習 ,  7T MR画像

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： MR画像 ,  3D ,  血管 ,  セグメンテーション ,  畳込み