文献

J-GLOBAL ID：201802237935176797   整理番号：18A1907834

畳込みニューラルネットワークを用いた2D X線透視法における自動ガイドワイヤチップセグメンテーション【JST・京大機械翻訳】

Automatic Guidewire Tip Segmentation in 2D X-ray Fluoroscopy Using Convolution Neural Networks

著者 (8件)： Wu Yu-Dong (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Xie Xiao-Liang (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Bian Gui-Bin (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Hou Zeng-Guang (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Cheng Xiao-Ran (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Chen Sheng (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Liu Shi-Qi (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Wang Qiao-Li (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-7  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： 経皮的冠動脈インターベンションにおけるガイドワイヤチップ検出は重要である。それは,ナビゲーションにおける医師を支援し,外科的スキル評価やロボット支援手術などの臨床応用のための必要条件である。それにもかかわらず,正確な検出は,二次元X線画像の雑音のある背景とチップの薄い変形可能な構造のために,自明なタスクではない。本論文において,カスケード畳込みニューラルネットワークに基づく自動方法を提案して,2DX線画像におけるチップをセグメント化した。この方法の主な寄与は,雑音のある背景とチップの大きな変形を克服するためにカスケード検出セグメンテーション構造を用いることであり,ロバストで高精度なセグメンテーションを達成することである。他方では,十分な注釈付き訓練サンプルが畳込みニューラルネットワークモデルに必要であるが,画素レベルの注釈付けは面倒で時間がかかる。従って,モデルの一般化と性能を改善し,データアノテーションのコストを低減するために,新しいデータ拡張アルゴリズムを導入した。評価は,2D X線画像の22の異なるシーケンス,訓練のための15のシーケンス,および評価のための7つのシーケンスから成るデータセットに関して行われた。提案したアプローチは,0.532ピクセルのチップ精度,0.939のF_1スコア,0.800%の偽追跡率,およびテストセットに関する9.900%の欠落追跡率を得た。そして,走行速度は,2秒当たり4~5フレームである。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： アルゴリズム ,  医師 ,  アノテーション ,  *二次元 ,  雑音 ,  必要条件 ,  経皮的冠動脈インターベンション ,  ロバスト性 ,  X線画像 ,  画像 ,  画素 ,  *セグメンテーション
準シソーラス用語： スコア ,  高精度 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  2D ,  X線透視法