文献

J-GLOBAL ID：201802244324850554   整理番号：18A1003109

ハードウェア加速による生体医用画像セグメンテーションのための畳込みニューラルネットワーク【JST・京大機械翻訳】

Convolutional neural network for bio-medical image segmentation with hardware acceleration

著者 (5件)： Vardhana M. (NMAM Institute of Technology, Nitte, India) ,  Arunkumar N. (Sastra University, Tanjore, India) ,  Lasrado Sunitha (Dept. of ECE, NMAM Institute of Technology, Nitte, India) ,  Abdulhay Enas (Jordan University of Science and Technology, Jordan) ,  Ramirez-Gonzalez Gustavo (Universidad del Cauca, Colombia)
資料名： Cognitive Systems Research  (Cognitive Systems Research)
巻： 50  ページ： 10-14  発行年： 2018年 
JST資料番号： W2363A  ISSN： 1389-0417  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： 生物医学画像処理における人工知能の応用は,医療科学の分野においてますます重要性を増している。バイオ医用画像は,疾患の診断の前に,いくつかのステップを通して行わなければならない。まず第一に,画像を獲得し,前処理を行う必要があり,データをメモリに保存しなければならない。それは膨大な量のメモリと処理時間を必要とする。前処理ステップの中で,エッジ検出は主要なステップの一つである。エッジ検出は画像中の望ましくない詳細をフィルタし,画像のエッジを保存し,画像の境界を記述する。生物医学的応用において,疾患の検出のために,観察下の器官の取得画像の境界詳細を持つことは非常に重要である。したがって,画像のエッジを抽出することは非常に重要である。パワーは,生物医学機器を扱う際に考慮されなければならない主要なパラメータの1つである。生物医学的信号処理装置は,低電力と高速で動作することができる。画像を異なるレベルまたはステージに分離するために,分類のために畳込みニューラルネットワークを用いた。画像エッジ検出のためのハードウェアアーキテクチャを持つことにより,画像の前処理のための計算時間を低減することができ,ハードウェアは取得装置自身の一部となり得る。本論文では,生物医学画像を検出するためのエッジ検出のための低電力アーキテクチャを提示した。エッジ検出出力をシステムに与え,畳込みニューラルネットワークを用いて画像分類を用いて疾患を診断する。本論文では,SobelとPrewitt,アルゴリズムを180nm技術を用いたエッジ検出のために用いた。VLSIを用いてエッジ検出アルゴリズムを実装し,アーキテクチャのディジタルIC設計を示した。エッジ検出のためのアルゴリズムをMATLABとモデルを用いて共シミュレーションした。このアーキテクチャをCMOS論理を用いて最初にシミュレーションし,ドミノ論理を用いた新しい方法を低電力消費のために提示した。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： フィルタ ,  モデル ,  *画像 ,  人工知能 ,  記憶装置 ,  アルゴリズム ,  エッジ検出 ,  計算機アーキテクチャ ,  前処理 ,  シミュレーション ,  *医用画像 ,  *ハードウェア ,  高速度
準シソーラス用語： 低電力化 ,  生物医学 , 【Automatic Indexing@JST】

著者キーワード (5件)： Sobel ,  Prewitt ,  ドミノ ,  RTL ,  畳み込みニューラルネットワーク

分類 (2件)： 応用心理学  (AE02000A) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (5件)： ハードウェア ,  加速 ,  生体 ,  医用画像セグメンテーション ,  畳込みニューラルネットワーク