文献

J-GLOBAL ID：201902277962819783   整理番号：19A1119113

心臓MR画像シーケンスのための動き推定とセグメンテーションの結合学習【JST・京大機械翻訳】

Joint Learning of Motion Estimation and Segmentation for Cardiac MR Image Sequences

著者 (7件)： Qin Chen (Department of Computing, Imperial College London, London, UK) ,  Bai Wenjia (Department of Computing, Imperial College London, London, UK) ,  Schlemper Jo (Department of Computing, Imperial College London, London, UK) ,  Petersen Steffen E. (NIHR Biomedical Research Centre at Barts, Queen Mary University of London, London, UK) ,  Piechnik Stefan K. (Division of Cardiovascular Medicine, Radcliffe Department of Medicine, University of Oxford, Oxford, UK) ,  Neubauer Stefan (Division of Cardiovascular Medicine, Radcliffe Department of Medicine, University of Oxford, Oxford, UK) ,  Rueckert Daniel (Department of Computing, Imperial College London, London, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11071  ページ： 472-480  発行年： 2018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： 心臓運動推定とセグメンテーションは,心機能を定量的に評価し,心血管疾患を診断する際に重要な役割を果たす。本論文では,心臓MR画像列から運動とセグメンテーションの関節推定のための新しい深い学習法を提案した。提案したネットワークは,2つのブランチから構成されている。すなわち,新しい教師なしのSiameseスタイルの再帰空間変圧器ネットワーク上に構築された心臓運動推定ブランチと,完全畳込みネットワークに基づく心臓セグメンテーションブランチである。特に,結合マルチスケール特徴符号器を,セグメンテーションブランチと動き推定ブランチを同時に最適化することにより学習した。これにより,大量の注釈のないデータから運動推定ブランチにおいて教師なしに学習される特徴を利用することにより,弱点のあるセグメンテーションが可能になる。220人の被験者からの心臓MlRI画像を用いた実験結果は,両方のタスクの共同学習が相補的であり,提案したモデルが精度と速度に関して競合する方法よりも有意に優れていることを示した。Copyright 2018 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： *学習 ,  ネットワーク ,  *動き推定 ,  畳込み ,  *心臓 ,  *画像 ,  最適化 ,  心血管疾患 ,  符号器 ,  *セグメンテーション ,  被験者 ,  心機能 ,  改変
準シソーラス用語： 協調学習 ,  マルチスケール ,  *心臓MRI , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 心臓MR画像 ,  シーケンス ,  動き推定 ,  セグメンテーション ,  学習