文献

J-GLOBAL ID：201902257228784221   整理番号：19A2339895

せん断波エラストグラフィーを用いた深部Siameseベース足底筋膜炎分類法【JST・京大機械翻訳】

A Deep Siamese-Based Plantar Fasciitis Classification Method Using Shear Wave Elastography

著者 (4件)： Gao Junling (Department of Biomedical Engineering, School of Life Science and Technology, Xi’an Jiaotong University, Xi’an, China) ,  Xu Lei (Department of Biomedical Engineering, School of Life Science and Technology, Xi’an Jiaotong University, Xi’an, China) ,  Bouakaz Ayache (UMR 1253, iBrain, Universite ́ de Tours, Inserm, Tours, France) ,  Wan Mingxi (Department of Biomedical Engineering, School of Life Science and Technology, Xi’an Jiaotong University, Xi’an, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 130999-131007  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 二次元せん断波エラストグラフィ(2D-SWE)は,足底筋膜炎(PF)評価のための効果的で実行可能な方法である。これまで,経験した医師だけが超音波画像により比較的正確な評価を与えることができ,低い効率と高いコストをもたらした。したがって,これらの超音波画像のパターンを認識するための自動アルゴリズムの設計が緊急に必要である。近年,深い学習(DL)はコンピュータ支援診断(CAD)においてかなりの進歩を遂げた。しかし,PFの診断にDLを適用する研究はなかった。ロバストなPF分類を達成するために,本論文は,マルチタスク学習と移動学習(DS-MLTL)を有する深いSiameseフレームワークを構築して,それは2D-SWEを用いて識別的視覚的特徴と効果的認識機能を学習した。DS-MLTLモデルは,分類損失とSiamese損失を含む2つのVGGスタイル分岐とマルチタスク損失から成る。Siamese損失は異なる画像の固有構造(類似性)を活用し,対照的制約と類似の制約を含む。著者らのフレームワークにおいて,視覚的特徴とマルチタスク損失は共同で学習され,それらは互いに利益を得ることができる。DS-MLTLモデルを効果的に訓練するために,このモデルは大規模画像データ集合からPF分類タスクへの知識を移動させる。モデル評価のために,PFパターンの282画像と健康パターンの60画像を含む足底筋膜のSWEデータセットを収集した。実験結果により,DS-MLTL法は,85.09±6.67%の良好な精度を達成し,そして,Bモード超音波およびSWEから抽出された人間-crafted特徴より,良好に機能した。さらに,DS-MLTLは異なるDLモデルと比較して最良の性能を得た。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： 画像 ,  超音波画像 ,  超音波 ,  学習 ,  医師 ,  計算機診断 ,  効果 ,  ロバスト性 ,  *筋膜 ,  類似性 ,  モデル ,  二次元
準シソーラス用語： *足裏 ,  健康 ,  マルチタスク , 【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)： せん断波エラストグラフィー ,  深部 ,  足底筋膜炎 ,  分類法