文献

J-GLOBAL ID：201802282205792926   整理番号：18A0576043

CT画像からの肺結節型分類のためのマルチビューマルチスケールCNN【Powered by NICT】

Multi-view multi-scale CNNs for lung nodule type classification from CT images

著者 (5件)： Liu Xinglong (State Key Laboratory of Virtual Reality Technology and Systems, Beihang University, China) ,  Hou Fei (State Key Laboratory of Computer Science, Institute of Software, Chinese Academy of Sciences, China) ,  Hou Fei (University of Chinese Academy of Sciences, China) ,  Qin Hong (Department of Computer Science, Stony Brook University, USA) ,  Hao Aimin (State Key Laboratory of Virtual Reality Technology and Systems, Beihang University, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 77  ページ： 262-275  発行年： 2018年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,結節型分類のための新しい畳込みニューラルネットワーク(CNN)に基づく方法を提案した。四固体結節型,すなわち,境界明瞭な,血管柄付き,juxta pleuraland胸膜尾部を取り扱う古典的なアプローチと比較して,本方法はすりガラス光学(GGO結節)およびコンピューター断層撮影(CT)スキャンにおける非根粒に対する競合的分類率を達成することができた。提案した方法は,マルチビューマルチスケールCNNに基づいており,四つの主要な段階から構成されている。最初に,二十面体を用いて結節を中心とする球面を近似し,与えられた最大半径で各円形面上のCT値の正規化サンプリングを捕捉した。第二に,強度解析は,各結節の推定半径を達成するために採取した値に基づいて適用した。第三に,再サンプリング(第一段階推定半径を持つが,同じ)を実施し,続いて高周波数成分測定分析により面(ビュー)は情報でより豊富であった決定することである。最後に,近似半径と選別された円形面を用いて,分類スケールで結節捕獲を構築し,最初の視点によらないCNNモデルを前訓練と,最大プーリングとマルチビューCNNモデルを訓練するために展望した。両肺画像データベースコンソーシアムおよび画像データベース資源イニシアチブ(LIDC IDRI)[1]と初期肺癌行動プログラム(ELCAP(末端消費負荷と消費)[2]上での実験結果により,複雑なGGOと非根粒タイプでも有望な分類性能を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 計算機トモグラフィー ,  *画像データベース ,  血管 ,  近似法 ,  球面 ,  モデル ,  走査 ,  肺腫瘍 ,  正規化 ,  HF【周波数】 ,  根粒
準シソーラス用語： 畳込みニューラルネットワーク ,  *結節 ,  *肺結節 ,  *CT画像 , 【Automatic Indexing@JST】

著者キーワード (3件)： 計算機トモグラフィー ,  肺結節 ,  CNN

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： CT画像 ,  肺結節 ,  分類 ,  CNN