文献

J-GLOBAL ID：201902229188816213   整理番号：19A1605865

深部学習法による肝臓脂肪症セグメンテーション【JST・京大機械翻訳】

Liver Steatosis Segmentation With Deep Learning Methods

著者 (5件)： Guo Xiaoyuan (Department of Computer Science, Emory University, Atlanta, GA, 30322, USA) ,  Wang Fusheng (Department of Computer Science, Emory University, Atlanta, GA, 30322, USA) ,  Teodoro George (Department of Computer Science, University of Brasi ́lia, Brasi ́lia, DF, Brazil) ,  Farris Alton B. (Department of Computer Science, Emory University, Atlanta, GA, 30322, USA) ,  Kong Jun (Department of Mathematics and Statistics, Georgia State University, Atlanta, GA, 30303, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISBI  ページ： 24-27  発行年： 2019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： 肝脂肪症は細胞内の脂質の異常蓄積として知られている。肝臓組織病理顕微鏡画像内の脂肪症領域の正確な定量化は,肝臓疾患診断と移植評価において重要な役割を果たす。このような定量分析は,しばしば,高度に重なった脂肪族液滴の豊富な存在により困難な正確な脂肪変性を必要とする。本論文において,深い学習モデルMask-RCNNを用いて,塊における脂肪族液滴をセグメント化した。FastR-CNNから拡張して,マスク-RCNNは,境界ボックス検出に加えて,オブジェクトマスクを予測することができた。移動学習により,結果として得られたモデルは,平均精度で75.87%,Recallで60.66%,F1スコアで65.88%,Jackカード指数で76.97%の重複脂肪症領域をセグメント化でき,将来の臨床診療における肝疾患診断と同種移植拒絶予測を支援する。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： 液滴 ,  肝臓疾患 ,  脂肪肝 ,  予測 ,  *学習 ,  診断 ,  脂質 ,  定量分析 ,  学習モデル ,  *セグメンテーション
準シソーラス用語： 診療 ,  スコア ,  顕微鏡画像 ,  組織病理 ,  *脂肪過剰 , 【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)： 深部 ,  肝臓 ,  脂肪症 ,  セグメンテーション