文献

J-GLOBAL ID：202002211560818807   整理番号：20A2132049

マルチモーダル脳腫瘍セグメンテーションのためのマルチパス適応融合ネットワーク【JST・京大機械翻訳】

A multi-path adaptive fusion network for multimodal brain tumor segmentation

著者 (6件)： Ding Yi (University of Electronic Science and Technology of China, Sichuan 610054, China) ,  Ding Yi (Institute of Electronic and Information Engineering of UESTC in Guangdong, Guangdong 523808, China) ,  Gong Linpeng (University of Electronic Science and Technology of China, Sichuan 610054, China) ,  Zhang Mingfeng (University of Electronic Science and Technology of China, Sichuan 610054, China) ,  Li Chang (University of Electronic Science and Technology of China, Sichuan 610054, China) ,  Qin Zhiguang (University of Electronic Science and Technology of China, Sichuan 610054, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 412  ページ： 19-30  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層学習法は物体認識において優れた性能を示し,医用画像分析に対する第一選択になる。しかしながら,学習層における特徴を効果的に伝播する方法と,低レベル視覚特徴および高レベルセマンティック特徴をどのように融合するかは,まだ挑戦的なタスクである。さらに,ニューラルネットワークの急速な発展によって,限られた計算電力とメモリ資源を有する実行畳込みニューラルネットワーク(CNN)モデルの必要性の増加がある。これらの問題に取り組むために,本論文では新しいマルチパス適応融合ネットワークを提案した。より具体的には,ResNetsにおける「スキップ接続」のアイデアを,より低レベルの視覚特徴を効果的に保存し,伝播するために,高密度ブロックに応用する。ネットワークにおいて,先行する高密度ブロックの状態から現在の高密度ブロックのすべての層への方向接続を採用することによって,隣接メモリ機構を実現した。次に,マルチパス適応融合高密度ブロックをアップサンプリングプロセスで採用して,低レベル視覚特徴を適応的に調整して,次に高レベルセマンティック特徴に融合させた。挑戦的なBRATS2015データセットに関する提案フレームワークを評価することによって,このフレームワークが,他の対応方法と比較して最先端の結果を達成することができることを証明した。さらに,提案フレームワークのパラメータは,最も発表された方法よりはるかに少ない。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  学習 ,  *セグメンテーション ,  電力 ,  *ネットワーク ,  ニューラルネットワーク ,  *脳腫瘍 ,  物体認識 ,  *多モード
準シソーラス用語： *多経路 ,  高密度 ,  アップサンプリング ,  医用画像解析 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチモーダル脳腫瘍セグメンテーション ,  高密度ネット ,  スキップ接続 ,  多経路 ,  適応

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： マルチモーダル ,  脳腫瘍 ,  セグメンテーション ,  マルチパス ,  適応 ,  融合