文献

J-GLOBAL ID：201802285735203477   整理番号：18A1259619

深層学習と3Dレベル集合アルゴリズムの組み合わせによる3D MRIにおける結腸直腸癌の自動セグメンテーション-予備的研究【JST・京大機械翻訳】

Automatic segmentation of colorectal cancer in 3D MRI by combining deep learning and 3D level-set algorithm-a preliminary study

著者 (10件)： Soomro Mumtaz Hussain (Department of Engineering, University of Roma Tre, Via Vito Volterra 62, 00146 Rome, Italy) ,  De Cola Gianluca (Department of Engineering, University of Roma Tre, Via Vito Volterra 62, 00146 Rome, Italy) ,  Conforto Silvia (Department of Engineering, University of Roma Tre, Via Vito Volterra 62, 00146 Rome, Italy) ,  Schmid Maurizio (Department of Engineering, University of Roma Tre, Via Vito Volterra 62, 00146 Rome, Italy) ,  Giunta Gaetano (Department of Engineering, University of Roma Tre, Via Vito Volterra 62, 00146 Rome, Italy) ,  Guidi Elisa (Department of Radiological Sciences, AOUP, Via Savi 10, 56126 Pisa, Italy) ,  Neri Emanuele (Department of Radiological Sciences, AOUP, Via Savi 10, 56126 Pisa, Italy) ,  Caruso Damiano (Dept. of Radiological Sciences, Oncology and Pathology, “Sapienza”- University of Rome, I. C. O. T. Hospital, Via Franco Faggiana 1668, 04100 Latina, Italy) ,  Ciolina Maria (Dept. of Radiological Sciences, Oncology and Pathology, “Sapienza”- University of Rome, I. C. O. T. Hospital, Via Franco Faggiana 1668, 04100 Latina, Italy) ,  Laghi Andrea (Dept. of Radiological Sciences, Oncology and Pathology, “Sapienza”- University of Rome, I. C. O. T. Hospital, Via Franco Faggiana 1668, 04100 Latina, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： MECBME  ページ： 198-203  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： 本論文では,3D完全畳込みニューラルネットワーク(3D-FCNNs)と3Dレベル集合の組合せに基づいて,3D MR画像から結腸直腸癌を自動的に分割する新しい方法を提案した。3Dレベル集合は,1)訓練フェーズの微調整を目的とした3D-FCNNに組み込まれる。2)後処理段階における平滑化関数と事前情報を統合することにより,試験段階中の出力の精密化。提案した方法を評価し,3Dレベルセット(3D-FCNNsのみ)なしの3D-FCNNと比較した。性能計量として,Dice類似性係数(DSC)を用いた。提案した方法は,3D-FCNNs単独よりも高いDSCを,訓練および試験データセットの両方において,それぞれ,(0.91813対0.8568)および(0.9378対0.86238)として示した。3D結腸直腸MRIデータに関する著者らの結果は,提案した方法が3D-FCNNs単独よりも良好で正確なセグメンテーション結果を与えることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  予備調査 ,  精密化 ,  類似性 ,  *三次元 ,  画像 ,  *セグメンテーション ,  後処理 ,  平滑化 ,  位相 ,  *結腸直腸 ,  *レベルセット法 ,  深層学習
準シソーラス用語： 事前知識 ,  微調整 , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  生体計測  (EL03020C) ,  医療用機器装置  (GA05020L) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (9件)： 深層学習 ,  3D ,  レベル集合 ,  アルゴリズム ,  組み合わせ ,  MRI ,  結腸直腸癌 ,  自動セグメンテーション ,  予備的研究