文献

J-GLOBAL ID：201902276648047579   整理番号：19A2424462

低線量肺CTノイズ低減のための深層学習ベース法【JST・京大機械翻訳】

A Deep Learning Based Method for Low Dose Lung CT Noise Reduction

著者 (6件)： Ma Yinjin (College of Optoelectronic Engineering, Chongqing University, Chongqing, China) ,  Ma Yinjin (School of Data Science, Tongren University, Guizhou, China) ,  Feng Peng (College of Optoelectronic Engineering, Chongqing University, Chongqing, China) ,  He Peng (College of Optoelectronic Engineering, Chongqing University, Chongqing, China) ,  Long Zourong (College of Optoelectronic Engineering, Chongqing University, Chongqing, China) ,  Wei Biao (College of Optoelectronic Engineering, Chongqing University, Chongqing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 592  ページ： 649-657  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  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： 低線量肺CT画像雑音低減のための畳込みニューラルネットワーク自動符号器-復号器に基づく方法を提示した。この方法は畳込みニューラルネットワーク,自動符号器-復号器,残留学習,パラメトリック整流線形ユニット(PReLU)を統合した。特に,構造類似性指数(SSIM)の項を損失関数に加えた。パッチによる訓練パッチの後,このモデルは視覚効果と定量的測定における最新の伝統的で深い学習方法の状態と比較して有望な性能を達成した。Copyright 2020 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 整流 ,  *雑音低減 ,  復号器 ,  線形性 ,  符号器 ,  類似性 ,  視覚効果 ,  損失関数 ,  モデル ,  *学習
準シソーラス用語： 学習方法 ,  畳込みニューラルネットワーク ,  CT画像 ,  *深層学習 ,  *低線量 , 【Automatic Indexing@JST】

著者キーワード (4件)： 低線量CT ,  畳み込みニューラルネットワーク ,  残留学習 ,  騒音低減

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 低線量 ,  肺 ,  CT ,  ノイズ低減 ,  深層学習