文献

J-GLOBAL ID：201802259556461673   整理番号：18A1770929

3D CNNを用いた肺結節と偽陽性減少の同時正確な検出【JST・京大機械翻訳】

Simultaneous Accurate Detection of Pulmonary Nodules and False Positive Reduction Using 3D CNNs

著者 (4件)： Qin Yulei (Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, 800 Dongchuan RD., Minhang District, Shanghai, China) ,  Zheng Hao (Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, 800 Dongchuan RD., Minhang District, Shanghai, China) ,  Zhu Yue-Min (University Lyon, INSA Lyon, CNRS, Inserm, CREATIS UMR 5220, U1206, F-69621, France) ,  Yang Jie (Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, 800 Dongchuan RD., Minhang District, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 1005-1009  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： CT画像における結節の正確な検出は,肺癌診断のために重要であり,それは生存のための患者の機会に大いに影響を及ぼす。自然画像に対する畳込みニューラルネットワーク(CNNs)の適用の成功により動機付けされて,著者らは,同時正確な肺結節検出と偽陽性減少のためのコンピュータ支援診断(CAD)システムを提案した。ノード候補を生成するために,領域提案ネットワーク(RPN)のバックボーンとして3D Uネットアーキテクチャを用いた完全3D CNNモデルを構築した。著者らは,訓練プロセスを加速し,ノード検出の精度を改善するために,マルチタスク残差学習とオンラインハードネガティブ用例マイニング戦略を採用した。次に,偽陽性結節を減少させるために,3D DenseNetベースのモデルを提示した。密に接続された構造は,ノジュールの特徴を再利用し,特徴伝搬を促進する。LUNA16データセットに関する実験結果は,最先端の方法に対する著者らのアプローチの優れた有効性を実証した。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： 学習 ,  ネットワーク ,  計算機診断 ,  残差 ,  団塊 ,  患者 ,  *三次元 ,  再利用 ,  計算機アーキテクチャ ,  肺腫瘍
準シソーラス用語： 用例 ,  CT画像 ,  *誤検出 ,  *肺結節 ,  *結節 , 【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 (4件)： 3D ,  CNN ,  肺結節 ,  偽陽性