抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
画像セグメンテーションは,オブジェクトと境界を位置決めするために典型的に使用される。それは,肝疾患の病理学的診断,外科的計画,および術後評価のような多くの臨床応用において不可欠である。セグメンテーションタスクは,ファジィ境界,複雑な背景,および興味のあるオブジェクトの出現によって妨げられ,それはかなり変化する。この手順の成功は,操作者のスキルと手-眼協調のレベルに依然として高度に依存している。したがって,本論文は医用画像において検出された物体の早期で正確な診断を得る必要性によって強く動機付けられた。本論文では,CDEDネットと呼ばれる複数の深い符号器-復号器ネットワーク組合せのアーキテクチャに基づく新しいポリープセグメンテーション法を提案した。このアーキテクチャは,異なる効果的な視野と複数の画像スケールで識別特徴を抽出することにより,マルチレベル文脈情報を保持できるだけでなく,訓練段階における欠落した画素からの豊富な情報特徴を学習することもできる。さらに,ネットワークは,マルチスケールの効果的復号器を用いることによって,オブジェクト境界を捕捉することもできた。また,境界強調データ拡張法と新しい実効的な損失関数の組合せに基づいて,この方法のセグメンテーション性能を改善するための新しい戦略を提案した。この戦略の目標は,背景と前景領域の間の非鏡面遷移領域によって引き起こされる,不十分に定義されたオブジェクト境界で利用可能な著者らの深い学習ネットワークを作ることである。提案した方法の一般的見解を提供するために,著者らのネットワークを訓練し,3つのよく知られたポリープデータセット,CVC-ColonDB,CVC-ClinicDB,およびETIS-Larib PolypDBについて評価した。さらに,Pedro Hispan病院(PH2),ISBI2016皮膚病変セグメンテーションデータセット,およびCT健康な腹部臓器セグメンテーションデータセットを用いて,著者らのネットワークの能力を表現した。結果は,CDEDネットが最先端の方法を著しく上回ることを明らかにした。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】