文献

J-GLOBAL ID：201802256591782718   整理番号：18A1446545

適応連合辞書学習に基づく脳多モード画像融合手法【JST・京大機械翻訳】

Multi-modal brain image fusion method based on adaptive joint dictionary learning

著者 (4件)： Wang Lifang (中北大学大数据学院,太原,030051) ,  Dong Xia (中北大学大数据学院,太原,030051) ,  Qin Pinle (中北大学大数据学院,太原,030051) ,  Gao Yuan (中北大学大数据学院,太原,030051)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 38  号： 4  ページ： 1134-1140  発行年： 2018年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在,脳医学画像に対するグローバル訓練辞書の適応性は強くない。スパース表現係数を用いたL1ノルムの大きな融合方式は,画像のグレイスケール不連続効果をもたらし,画像融合効果の不良な問題をもたらす。適応連合辞書学習に基づく脳多モード画像融合方法を提案した。最初に,改良K特異値分解(K-SVD)アルゴリズムを,登録済みのソース画像から学習して,サブ辞書を適応的に組み合わせて,適応可能な結合辞書を得た。適応連合辞書の作用下で、係数再利用直交マッチング追跡(CoefROMP)アルゴリズムにより、スパース表現係数を計算した。次に,スパース表現係数の「多ノルム」をソース画像ブロックの活性度測定として,そして「適応加重平均」と「選択最大」を組合わせた非バイアスルールを提案した。スパース表現係数の「多ノルム」の類似度選択融合規則に従って,「多ノルム」の類似度が閾値より大きい場合,「適応加重平均」の規則を用いる。反対に「選択最大」の規則を用いてスパース表現係数を融合する。最後に,融合係数を融合係数と適応辞書によって再構成した。実験結果は,マルチスケール変換に基づく他の3つの方法と5つのスパース表現に基づく方法と比較して,提案方法の融合画像は,より多くの画像詳細情報を保存でき,コントラストと明瞭さが良好であることを示した。病巣の辺縁は明瞭で、客観的パラメータの標準偏差、空間周波数、相互情報、勾配指標、汎用画像の品質指標と平均構造類似指標に基づく3組の実験条件下の平均値はそれぞれ次の通りである。71.0783,21.9708,3.6790,0.6603,0.7352,0.7339であった。この方法は臨床診断と補助治療に応用できる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ノルム ,  コントラスト ,  アルゴリズム ,  *多モード ,  不連続性 ,  特異値分解 ,  再構成 ,  標準偏差 ,  明瞭度 ,  *画像 ,  グレースケール ,  バイアス
準シソーラス用語： スパース表現 ,  *画像融合 ,  *辞書学習 , 【Automatic Indexing@JST】

著者キーワード (7件)： multi-modal brain image fusion ,  K-means-based Singular Value Decomposition (K-SVD) ,  adaptive joint dictionary ,  Coefficient Reuse Orthogonal Matching Pursuit (CoefROMP) ,  sparse representation ,  multi-norm ,  unbiased rule

分類 (2件)： 計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 適応 ,  辞書学習 ,  脳 ,  多モード ,  画像融合 ,  手法