文献

J-GLOBAL ID：201902286924539192   整理番号：19A2668336

RSANET:多発性硬化症病変セグメンテーションのための再発スライスごと注意ネットワーク【JST・京大機械翻訳】

RSANet: Recurrent Slice-Wise Attention Network for Multiple Sclerosis Lesion Segmentation

著者 (15件)： Zhang Hang (School of Electrical and Computer Engineering, Cornell University, Ithaca, USA) ,  Zhang Hang (Department of Radiology, Weill Medical College of Cornell University, New York, USA) ,  Zhang Jinwei (Meinig School of Biomedical Engineering, Cornell University, Ithaca, USA) ,  Zhang Jinwei (Department of Radiology, Weill Medical College of Cornell University, New York, USA) ,  Zhang Qihao (Meinig School of Biomedical Engineering, Cornell University, Ithaca, USA) ,  Zhang Qihao (Department of Radiology, Weill Medical College of Cornell University, New York, USA) ,  Kim Jeremy (Hunter College Campus Schools, New York, USA) ,  Zhang Shun (Department of Radiology, Weill Medical College of Cornell University, New York, USA) ,  Gauthier Susan A. (Department of Radiology, Weill Medical College of Cornell University, New York, USA) ,  Spincemaille Pascal (Department of Radiology, Weill Medical College of Cornell University, New York, USA) ,  Nguyen Thanh D. (Department of Radiology, Weill Medical College of Cornell University, New York, USA) ,  Sabuncu Mert (School of Electrical and Computer Engineering, Cornell University, Ithaca, USA) ,  Sabuncu Mert (Meinig School of Biomedical Engineering, Cornell University, Ithaca, USA) ,  Wang Yi (Meinig School of Biomedical Engineering, Cornell University, Ithaca, USA) ,  Wang Yi (Department of Radiology, Weill Medical College of Cornell University, New York, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11766  ページ： 411-419  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： T2強調MRI画像で測定した脳病変容積は,多発性硬化症(MS)における臨床的に重要な疾患マーカーである。MS病変の手動描写は,時間がかかり,高度に演算子に依存するタスクであり,病変サイズ,形状および顕著性により影響される。最近,深いニューラルネットワークに基づく自動化された病変セグメンテーションアルゴリズムが有望な結果で開発された。本論文では,3D MRI画像をスライスのシーケンスとしてモデル化し,MS病変の文脈情報を利用するための再帰的な方法により長距離依存性を捉える新しい再帰スライス型注意ネットワーク(RSANet)を提案した。43人の患者によるデータセットに関する実験は,提案した方法が最先端のアプローチより優れていることを示した。この実装はhttps://github.com/tinymilky/RSANetでオンラインで利用可能である。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： *多発性硬化症 ,  モデリング ,  画像 ,  *再発 ,  *セグメンテーション ,  NMRイメージング ,  *ネットワーク ,  ニューラルネットワーク ,  自動化
準シソーラス用語： オンライン ,  距離依存性 ,  文脈情報 ,  疾患マーカー ,  脳病変 ,  *病巣 , 【Automatic Indexing@JST】

著者キーワード (4件)： 磁気共鳴イメージング ,  畳み込みニューラルネットワーク ,  長距離依存性 ,  多発性硬化症病変セグメンテーション

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 多発性硬化症 ,  病変 ,  セグメンテーション ,  再発 ,  スライス ,  注意