文献

J-GLOBAL ID：201802287670649297   整理番号：18A0532362

自動すい局在化とセグメンテーションのための全体的入れ子畳込みニューラルネットワークの空間的な集約【Powered by NICT】

Spatial aggregation of holistically-nested convolutional neural networks for automated pancreas localization and segmentation

著者 (7件)： Roth Holger R. (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory, Clinical Image Processing Service, Radiology and Imaging Sciences Department, National Institutes of Health Clinical Center, Bethesda, MD 20892-1182, USA) ,  Lu Le (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory, Clinical Image Processing Service, Radiology and Imaging Sciences Department, National Institutes of Health Clinical Center, Bethesda, MD 20892-1182, USA) ,  Lay Nathan (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory, Clinical Image Processing Service, Radiology and Imaging Sciences Department, National Institutes of Health Clinical Center, Bethesda, MD 20892-1182, USA) ,  Harrison Adam P. (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory, Clinical Image Processing Service, Radiology and Imaging Sciences Department, National Institutes of Health Clinical Center, Bethesda, MD 20892-1182, USA) ,  Farag Amal (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory, Clinical Image Processing Service, Radiology and Imaging Sciences Department, National Institutes of Health Clinical Center, Bethesda, MD 20892-1182, USA) ,  Sohn Andrew (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory, Clinical Image Processing Service, Radiology and Imaging Sciences Department, National Institutes of Health Clinical Center, Bethesda, MD 20892-1182, USA) ,  Summers Ronald M. (Imaging Biomarkers and Computer-Aided Diagnosis Laboratory, Clinical Image Processing Service, Radiology and Imaging Sciences Department, National Institutes of Health Clinical Center, Bethesda, MD 20892-1182, USA)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 45  ページ： 94-107  発行年： 2018年 
JST資料番号： W3156A  ISSN： 1361-8415  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： 3D放射線学的スキャンからの正確な自動臓器セグメンテーションは,医用画像解析のための重要であるが困難な問題である。特に,小型,ソフト,柔軟な腹部臓器として,膵臓はその形状と容積の両方で非常に高い患者間の解剖学的変動を示した。これは高精度,特に他の器官で得られた性能と比較を達成するための従来の自動セグメンテーション法を阻害し,肝臓,心臓あるいは腎臓など。このギャップを埋めるために,2段階カスケードアプローチすい局在と膵臓セグメンテーションに基づく3D計算機トモグラフィー(CT)ボリュームから自動化システムを提示した。第一段階として,著者らは全3D CTからすいを局在し,より精密なセグメンテーションステップのための信頼性のある境界ボックスを提供した。完全性ディープ学習アプローチ,三つの直交軸,矢状および冠状ビューに全体的入れ子畳込みネットワーク(HNN)の効率的利用に基づいて導入した。得られたHNNピクセル確率マップは,想起を最大化するすいの3D境界ボックスを確実に生成するプーリングを用いて融合した。導入ローカライザはランダムフォレスト分類を用いたスーパピクセルの空間凝集に基づく従来の非深層学習法と最近のハイブリッドアプローチの両方と比肩可能であることを示した。第二に,セグメンテーション,相は計算境界ボックス内で動作し,深く学習臓器内部および境界マップの意味中レベル手がかり,HNNの二追加と別々の実現により得られたを統合している。これら二中レベル手がかりを統合することにより,この方法は最終すいセグメンテーションをもたらす境界保存画素クラスラベルマップを発生させることができる。定量的評価は4倍交差検証(CV)を用いて82例CTスキャンの公的に利用可能なデータセット上で行った。検証で81.27±6.27%(平均±標準偏差)Dice類似度係数(DSC),71.80±10.70%及び78.01±8.20%のDSCを報告した,同じデータセットを用いたという以前の最先端法と本研究の暫定バージョンの両方の性能を著しく上回るを達成した。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： 学習 ,  医用画像 ,  患者 ,  画素 ,  心臓 ,  *セグメンテーション ,  走査 ,  標準偏差 ,  三次元 ,  計算機トモグラフィー ,  内臓 ,  信頼性 ,  *ネットワーク ,  *畳込み
準シソーラス用語： 高精度 , 【Automatic Indexing@JST】

著者キーワード (6件)： 完全畳込みネットワーク ,  Holistically入れ子ネットワーク ,  深い学習 ,  医用画像 ,  計算機トモグラフィー ,  膵臓セグメンテーション

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： すい ,  局在化 ,  セグメンテーション ,  畳込みニューラルネットワーク ,  集約