文献

J-GLOBAL ID：202002217431061989   整理番号：20A0432840

皮膚病変セグメンテーションのための双方向ダーモスコピー特徴学習とマルチスケール一貫決定融合【JST・京大機械翻訳】

Bi-Directional Dermoscopic Feature Learning and Multi-Scale Consistent Decision Fusion for Skin Lesion Segmentation

著者 (4件)： Wang Xiaohong (School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore) ,  Jiang Xudong (School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore) ,  Ding Henghui (School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore) ,  Liu Jun (Information Systems Technology and Design Pillar, Singapore University of Technology and Design, Singapore)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 3039-3051  発行年： 2020年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ダーモスコピー画像からの皮膚病変の正確なセグメンテーションは,メラノーマのコンピュータ支援診断の重要な部分である。異なる患者からのダーモスコピー画像は無視できない病変変化を有し,解剖学的構造学習と一貫した皮膚病変描写の困難さを引き起こすという事実のために挑戦的である。本論文では,皮膚病変とそれらの有益な文脈の間の複雑な相関をモデル化するために,新しい双方向ダーモスコピー特徴学習(biDFL)フレームワークを提案した。2つの相補的方向を通過する特徴情報を制御することによって,実質的に豊かで識別可能な特徴表現を達成した。具体的には,CNNネットワークのトップにbifDFLモジュールを置き,高水準パージング性能を向上させた。さらに,多重分類層から生成された情報決定に選択的に焦点を合わせることができる多重スケール一貫決定融合(MCDF)を提案した。各位置における決定の一貫性の分析により,MCDFは自動的に決定の信頼性を調整し,より洞察可能な皮膚病変の描写を可能にする。包括的な実験結果は,皮膚病変セグメンテーションに関する提案方法の有効性を示して,2つの公開可能なダーモスコピー画像データベースに関して一貫して最先端の性能を達成した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像データベース ,  *セグメンテーション ,  信頼性 ,  構文分析 ,  多重化 ,  *皮膚障害 ,  計算機診断 ,  *学習 ,  ネットワーク ,  黒色腫 ,  有効性
準シソーラス用語： 特徴表現 ,  *決定融合 ,  マルチスケール ,  *ダーモスコピー , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 皮膚病変 ,  セグメンテーション ,  双方向 ,  ダーモスコピー ,  学習 ,  マルチスケール ,  決定融合