文献

J-GLOBAL ID：201802280244942442   整理番号：18A0519069

アクティブ形状モデルのための重みづけ戦略【Powered by NICT】

A weighting strategy for Active Shape Models

著者 (2件)： Eguizabal Alma (Signal and System Theory Group, University of Paderborn, Germany) ,  Schreier Peter J. (Signal and System Theory Group, University of Paderborn, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3610-3614  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： アクティブ形状モデル(ASM)は,物体のランドマークベースの輪郭を見つけるために反復セグメンテーション技術である。各反復において,幾つかの検出された標的ランドマークに対するもっともらしい形状の最小二乗適合を決定した。これら標的を発見する重要な段階であるいくつかのランドマークが他よりも信頼性高く検出され,いくつかのランドマークは,検出器の視野内のではないかもしれない。同時に単純さを維持しながら,ロバスト性を与えるため,一般化最小二乗法を用いることができ,重み行列はランドマークについて信頼性情報を組み込んでいる。はこのマトリックス,発作の経験的に決定した残差の共分散に基づくを選択する戦略を提案した。標的ランドマークは,それらの検出器の範囲内にあるかどうかを決定するために更なるステップを行った。大腿骨をセグメンテーションするための透視X線画像に関する著者らの戦略を評価した。はこの技術は他の発見的重みづけ最小二乗戦略と同様に標準ASMよりも優れていることを示した。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： X線画像 ,  透視 ,  最小二乗法 ,  残差 ,  セグメンテーション ,  共分散 ,  発作 ,  大腿骨 ,  *形態 ,  ロバスト性 ,  *重みづけ ,  信頼性 ,  検出器
準シソーラス用語： ランドマーク ,  *アクティブ形状モデル , 【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 (3件)： アクティブ形状モデル ,  重みづけ ,  戦略