ハイブリッド組織と深部の特徴を用いた肝細胞癌の悪性度評価【Powered by NICT】

Wang Qiyao; Zhang Lijuan; Xie Yaoqin; Zheng Hairong; Zhou Wu

文献

J-GLOBAL ID：201802255825178509 整理番号：18A0519180

ハイブリッド組織と深部の特徴を用いた肝細胞癌の悪性度評価【Powered by NICT】

Malignancy characterization of hepatocellular carcinoma using hybrid texture and deep features

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A0519180&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A0519180&from=J-GLOBAL&jstjournalNo=W2441A") }}

著者 (5件)： , , , ,
資料名：
巻： 2017 号： ICIP ページ： 4162-4166 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)

肝細胞癌(HCC)の悪性度は肝癌に対する術前治療戦略を確立するために重要であり,再発と患者生存に影響する重要な課題の一つである。近年,造影MRIの動脈相でHCCの定量的テクスチャ特徴は,HCCの悪性度特性化のための有望であることが示されている。しかし,そのようなテクスチャ特徴である低レベル,通常H CCの複雑な特性を捉えるには不十分である。本研究では,HCCの悪性度を特性化するために,畳込みニューラルネットワーク(CNN)を用いた造影MRIの動脈相からの深い特徴を自動的に抽出する系統的方法を提案した。より詳しくいえば,ここでは,三つの直交する像(軸方向,冠状面および矢状面)の各3D腫瘍を再サンプリング独立に訓練集合を増加させ,それに対応する深い特徴を生成するために各ビューのための一つのCNNを訓練した。三観察から導出した深い特徴を融合またはカーネル空間における深い特徴とテクスチャ特徴を融合できることをマルチカーネル特徴融合法を調べた。著者らの実験結果は,いくつかの興味ある結論を実証した(1)深い特徴は,HCCの悪性度特性化のための以前に提案されたテクスチャ特徴よりも著しく優れている,(2)深い特徴とテクスチャ特徴の融合は,HCCの悪性度特性化のための最良の結果が得られた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

, , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

パターン認識

, , ,

前のページに戻る