文献

J-GLOBAL ID：201902224551982323   整理番号：19A2608787

注意層領域ベース畳込みニューラルネットワークを用いた自動頚動脈検出【JST・京大機械翻訳】

Automatic Carotid Artery Detection Using Attention Layer Region-Based Convolution Neural Network

著者 (7件)： Wang Xiaoyan (School of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, Zhejiang, P. R. China) ,  Zhong Xingyu (School of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, Zhejiang, P. R. China) ,  Xia Ming (School of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, Zhejiang, P. R. China) ,  Jiang Weiwei (School of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, Zhejiang, P. R. China) ,  Huang Xiaojie (The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou 310009, P. R. China) ,  Gu Zheng (The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou 310009, P. R. China) ,  Huang Xiangsheng (The Institute of Automation, Chinese Academy of Sciences, Beijing 100190, P. R. China)
資料名： International Journal of HR. Humanoid Robotics  (International Journal of HR. Humanoid Robotics)
巻： 16  号： 4  ページ： 1950015  発行年： 2019年 
JST資料番号： A1474A  ISSN： 0219-8436  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： シンガポール (SGP)  言語： 英語 (EN)

抄録/ポイント： 医用画像からの血管領域(ROI)の局在化は,頸動脈疾患の評価において医師を支援することができる対話的アプローチを提供する。正確な血管検出は,壁セグメンテーション,プラーク同定および3D再構成のような次の手順に対する必要条件である。CNNのような深い学習モデルは医用画像処理に広く使われており,最先端の性能を達成している。高速R-CNNは,オブジェクト検出のための最も代表的で成功した方法の一つである。異なる層における特徴マップの出力を用いることは,検出性能を改善するための有用な方法であることが証明されているが,通常の方法は異なる層の集合出力に直接的であり,各層の特殊な特性と異なる重要性は考慮されていない。この研究では,Attention層R-CNN(AL R-CNN)と名付けた新しいネットワークを導入し,自動頸動脈検出のために使用する。ここでは,異なる層のより良い集合特徴マップのための基本的なFaster R-CNNシステムに新しいモジュールを統合する。頚動脈データセットに関する実験結果は,著者らの方法が他の最先端のオブジェクト検出システムを凌ぐことを示した。Copyright 2019 World Scientific Publishing Company All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  医用画像 ,  頚動脈疾患 ,  プラーク ,  必要条件 ,  *頚動脈 ,  会話 ,  医師 ,  セグメンテーション ,  高速度
準シソーラス用語： 特徴マップ ,  物体検出 ,  3D画像再構成 ,  局在化 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： オブジェクト検出 ,  畳み込みニューラルネットワーク ,  アンサンブル特徴マップ

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (3件)： 注意 ,  畳込みニューラルネットワーク ,  頚動脈