文献

J-GLOBAL ID：201802271140997715   整理番号：18A0536426

深い畳込みネットワークに基づく創傷セグメンテーションの枠組み【Powered by NICT】

A framework of wound segmentation based on deep convolutional networks

著者 (6件)： Liu Xiaohui (National Laboratory for Parallel and Distributed Processing, Changsha, China) ,  Wang Changjian (College of Computer, National University of Defense Technology, Changsha, China) ,  Li Fangzhao (National Laboratory for Parallel and Distributed Processing, Changsha, China) ,  Zhao Xiang (National Laboratory for Parallel and Distributed Processing, Changsha, China) ,  Zhu En (College of Computer, National University of Defense Technology, Changsha, China) ,  Peng Yuxing (National Laboratory for Parallel and Distributed Processing, Changsha, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISP-BMEI  ページ： 1-7  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)

抄録/ポイント： 個々の患者のケアはこの評価に基づいているので慢性創傷サイズの定量化は,臨床創傷治療に重要である。最近,臨床医は一般的に目視検査を中心と標準化されたスケールを用いて創傷面積,これはしばしば主観的で,もしかすると不正確なを測定した。残念,創傷境界がどこで創傷面積の自動セグメンテーションは,多様な創傷特性と曇りのために挑戦的な課題である。この問題を解決するために,自動的に創傷領域を位置決めし,分割するWoundSegと名付けた深い畳込みネットワークに基づくフレームワークを提案した。第一に,著者らは種々の慢性創傷の950枚のディジタル画像を含む新たにアノテートされたデータセットを確立し,エキスパート臨床医のための創傷領域をマスク簡便に流域アルゴリズムに基づくアノテーションツールを提案した。軽量ネットワークは限られた訓練データと創傷セグメンテーションのために特別に構築した。最後に,ネットワークの予測を後処理に使用されるモルフォロジー演算と皮膚の検出を基にした検証。以上データセットと創傷クリニックにおける患者の種々の最新臨床画像にも5倍交差検証によるWoundSegの汎化誤差を推定した。包括的な実験を行い,創傷領域のための経験的および不正確な手動測定を代替する有望なアプローチと考えられる提案したフレームワークの効率と有効性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 後処理 ,  肉眼検査 ,  標準化 ,  創傷治癒 ,  患者 ,  *畳込み ,  *ネットワーク ,  *セグメンテーション ,  ディジタル画像
準シソーラス用語： 汎化誤差 ,  モルフォロジー演算 ,  流域法 ,  自動セグメンテーション ,  臨床医 ,  慢性創傷 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込み ,  創傷 ,  セグメンテーション ,  枠組み