文献

J-GLOBAL ID：201902269235296509   整理番号：19A2668311

MRIにおけるリアルタイム脳腫瘍セグメンテーションのための3D拡張マルチファイバネットワーク【JST・京大機械翻訳】

3D Dilated Multi-fiber Network for Real-Time Brain Tumor Segmentation in MRI

著者 (5件)： Chen Chen (Department of Electrical and Computer Engineering, University of North Carolina at Charlotte, Charlotte, USA) ,  Liu Xiaopeng (School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, China) ,  Ding Meng (Scoop Medical, Stillwater, USA) ,  Zheng Junfeng (School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, China) ,  Li Jiangyun (School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11766  ページ： 184-192  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 脳腫瘍セグメンテーションは医用画像処理において重要な役割を果たす。本研究では,脳MRI容積をセグメント化することを目的とした。隣接するスライス間の相関を獲得するために3D畳込みを採用する3D U-net[1]とV-Net[2]のような3D畳込みニューラルネットワーク(CNN)は,印象的なセグメンテーション結果を達成した。しかしながら,これらの3D CNNアーキテクチャは,3D畳込みの多重層により,高い計算オーバーヘッドを持ち,これらのモデルが実用的な大規模アプリケーションに対して禁止される可能性がある。この目的のために,高効率3D CNNを提案し,実時間高密度体積セグメンテーションを実現した。ネットワークは,計算コストを大幅に低減するために,軽量3D畳込みネットワークの集合から成る3Dマルチファイバユニットを活用する。さらに,3D拡張畳込みを用いて,マルチスケール特徴表現を構築した。BraTS-2018チャレンジデータセットに関する広範な実験結果は,提案アーキテクチャが脳腫瘍セグメンテーションのための高精度を維持しながら計算コストを大幅に低減することを示した。ソースコードはhttps://github.com/China-LiuXiaopeng/BraTS-DMFNetで利用可能である。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *脳腫瘍 ,  *三次元 ,  *セグメンテーション ,  応用プログラム ,  *ネットワーク ,  計算機アーキテクチャ ,  畳込み
準シソーラス用語： 高精度 ,  マルチスケール ,  軽量 ,  計算コスト ,  高密度 ,  オーバヘッド ,  畳込みニューラルネットワーク ,  *実時間 , 【Automatic Indexing@JST】

著者キーワード (4件)： 3D脳腫瘍セグメンテーション ,  3Dマルチファイバユニット ,  3D拡張畳込み ,  軽量ネットワーク

分類 (3件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： MRI ,  リアルタイム ,  脳腫瘍 ,  セグメンテーション ,  3D ,  拡張