文献

J-GLOBAL ID：201802299219547292   整理番号：18A2232037

新しい形状と外観特徴を用いた新しいCNNセグメンテーションフレームワーク【JST・京大機械翻訳】

A Novel CNN Segmentation Framework Based on Using New Shape and Appearance Features

著者 (6件)： Soliman Ahmed (Bioengineering Department, University of Louisville, BioImaging Laboratory, Louisville, KY, USA) ,  Shaffie Ahmed (Bioengineering Department, University of Louisville, BioImaging Laboratory, Louisville, KY, USA) ,  Ghazal Mohammed (Department of Electrical and Computer Engineering, Abu Dhabi University, Abu Dhabi, UAE) ,  Gimel’farb Georgy (Department of Computer Science, University of Auckland, Auckland, New Zealand) ,  Keynton Robert (Bioengineering Department, University of Louisville, BioImaging Laboratory, Louisville, KY, USA) ,  El-Baz Ayman (Bioengineering Department, University of Louisville, BioImaging Laboratory, Louisville, KY, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIP  ページ： 3488-3492  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： 異なるモダリティから医用画像を分割する精度を改善するために,3つのタイプの包括的な定量的画像記述子を深い3D畳込みニューラルネットワークで統合することを提案した。記述子は以下を含む。(i)視覚的外観の事前学習7次Markov-Gibbs確率場(MGRF)モデルに対するGibbsエネルギー,(ii)放出された適応形状事前モデル,およびセグメンテーションの各電流段階における領域の視覚的外観の一次条件付きランダムフィールドモデル。ニューラルネットワークは,計算した記述子を生の画像データと共に用いて,目標領域の最終的なボクセルごとの確率を得る。Dice類似性係数,95パーセンタイル双方向Hausdorff距離,およびパーセント体積差に関する著者らのフレームワークの定量的評価は,95CT肺画像(98.37±0.68%,2.79±1.32mm,3.94±2.11%)および95拡散加重腎臓MRI(96.65±2.15%,4.32±3.09mM,5.61±3.37%)に関する著者らのモデルの高精度を確認した。Copyright 2019 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： ボクセル ,  画像 ,  Gibbs自由エネルギー ,  電流 ,  類似性 ,  *セグメンテーション ,  医用画像 ,  ニューラルネットワーク ,  三次元 ,  視覚
準シソーラス用語： 高精度 ,  加重 ,  事前学習 ,  畳込みニューラルネットワーク ,  モダリティ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 外観 ,  CNN ,  セグメンテーション ,  フレームワーク