文献

J-GLOBAL ID：201802292216606739   整理番号：18A0382946

深層スパース表現によるロバストなマルチアトラス伝搬【Powered by NICT】

Robust multi-atlas label propagation by deep sparse representation

著者 (11件)： Zu Chen (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Zu Chen (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) ,  Wang Zhengxia (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Wang Zhengxia (Department of Information Science and Engineering, Chongqing Jiaotong University, Chongqing 400074, China) ,  Zhang Daoqiang (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) ,  Liang Peipeng (Department of Radiology, Xuanwu Hospital, Capital Medical University, Beijing 100053, China) ,  Shi Yonghong (Digital Medical Research Center, School of Basic Medical Science, Fudan University, Shanghai 200032, China) ,  Shi Yonghong (Shanghai Key Laboratory of Medical Image Computing and Computer-Assisted Intervention, Shanghai 200032, China) ,  Shen Dinggang (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA) ,  Shen Dinggang (Department of Brain and Cognitive Engineering, Korea University, Seoul 02841, Republic of Korea) ,  Wu Guorong (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 63  ページ： 511-517  発行年： 2017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： 最近,マルチアトラスパッチに基づくラベル融合は医用画像分野における多くの成功を達成した。現行の最先端技術アプローチにおける基本的な仮定は,ターゲット画像点で画像パッチは登録アトラス画像からアトラスパッチから成るパッチ辞書で表すことができることである。ターゲット画像点でのラベルは類似した解剖学的構造のアトラス画像パッチの融合標識によって決定することができる。しかし,(1)パッチ内の画像コンテンツは,雑音とアーチファクトのために劣化する可能性があるので,画像パッチ表現にこのような仮定は常にラベル融合における成立しないおよび(2)アトラスパッチ間の形態学的パターンの分布は大部分パターンは他の少数パターン上のラベル融合結果を支配することができることをこのような不平衡である可能性がある。以上の基本的な仮定の破れはラベル融合精度を弱体化できるようになった。これらの問題を克服するために,筆者らは最初に同じラベルを用いたアトラスパッチのための標識特異的グループを形成し考察した。,深い多層構造,トップ層(標識特異的辞書)は代表的なアトラスパッチのグループから構成され,次の層(残留辞書)を異なるスケールにおけるパッチ状残留情報を符号化する階層的に従来の平坦で浅い辞書を変化させる。ラベル融合は代表的な辞書を横切る表現コンセンサスに従った。それぞれの群で,ターゲットパッチの表現を反復的に主要パターンに整合するように排他的に各標識特異的辞書における代表的なアトラスパッチを用いた,いくつかのグループはターゲット画像パッチで提示したある種の変動パターンの存在しない可能性があるという問題を克服するための協調的グループのすべての残留パターンを用いて最適化した。他の対応ラベル融合法と比較して,大脳基底核および脳幹構造に加え,ADNIデータセット上で標識海馬で達成された有望なセグメンテーション結果。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： 符号化 ,  医用画像 ,  アーチファクト ,  画像 ,  *ロバスト性 ,  海馬 ,  非平衡状態 ,  セグメンテーション ,  大脳基底核 ,  最適化 ,  雑音 ,  多層構造 ,  モルフォロジー
準シソーラス用語： *アトラス ,  *スパース表現 , 【Automatic Indexing@JST】

著者キーワード (3件)： 階層的スパース表現 ,  マルチアトラスセグメンテーション ,  パッチベースラベル融合

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 深層 ,  スパース表現 ,  ロバスト ,  マルチ ,  アトラス ,  伝搬