文献

J-GLOBAL ID：201902237436460707   整理番号：19A2496291

拡張畳込みU-NET++を用いた子宮摘出術後の骨盤臓器の自動セグメンテーション【JST・京大機械翻訳】

Automatical Segmentation of Pelvic Organs After Hysterectomy by using Dilated Convolution U-Net++

著者 (6件)： Wu Su (University of Electronic Science and Technology of China, Chengdu, China) ,  Wang Ziheng (Tongji University, Shanghai, China) ,  Liu Chang (University of Electronic Science and Technology of China, Chengdu, China) ,  Zhu Chenming (University of Electronic Science and Technology of China, Chengdu, China) ,  Wu Shaozhi (University of Electronic Science and Technology of China, Chengdu, China) ,  Xiao Kai (Shanghai Jiao Tong University, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： QRS-C  ページ： 362-367  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： 骨盤のリスク(OAR)における臨床標的容積(CTV)と臓器の正確な描写は,子宮摘出後の患者の追跡放射線療法において重要な役割を果たす。しかしながら,手動描写は,観察者間変動に敏感な時間がかかるタスクである。自動器官描写は,元のCT画像をセグメント化するために抽出された特徴マップに含まれるグローバルコンテキストに依存している。現在,U-net++のような多数の深い学習ネットワークがこのタスクで広く使われている。本論文では,基本構造として標準的なU-net++を使用し,続いて拡張畳込みを用いてその標準畳込みを置き換えた。拡張畳込みは,受容野の大きさを有意に拡大し,より全体的な文脈情報を融合し,器官を分割する精度を増加させることを観察した。著者らは,それぞれ骨盤における複数の器官分割に関して,標準的なU-net++の性能を評価し,U-net++(二重デッキ拡張コンボリューションを伴う)を改善した。著者らのデータセットは,子宮摘出後の70人の患者のCT画像から構成されている。著者らは,分割精度を定量化するために,距離類似性係数を使用した。著者らの実験の結果は,改良されたU-net++が膀胱,CTVおよび直腸のセグメンテーションに関して標準のU-net++より優れていることを示す。diスコアは,膀胱に対して93.2%±4.2%対91.2%±3.7%,CTVに対して89%±3.6%対85%±2.6%,直腸に対して87.6%±3.6%対84.7%±2.1%であった。それは,改良されたU-net++ネットワークのセグメンテーション結果が,標準のU-net++より医師によって手動で引き出された結果に近いことを示している。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： 放射線療法 ,  *畳込み ,  *セグメンテーション ,  *ヒト ,  *内臓 ,  ネットワーク ,  直腸 ,  膀胱 ,  学習 ,  医師 ,  *骨盤
準シソーラス用語： スコア ,  受容野 ,  CT画像 ,  器官 ,  *自動セグメンテーション , 【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 (6件)： 拡張 ,  畳込み ,  子宮摘出術 ,  骨盤 ,  臓器 ,  自動セグメンテーション