文献

J-GLOBAL ID：202002218173730477   整理番号：20A2305216

深さ学習に基づく2D/3D医用画像レジストレーション研究【JST・京大機械翻訳】

2D/3D Medical Image Registration Using Convolutional Neural Network

著者 (5件)： Chen Xiangqian (北京航空航天大学生物与医学工程学院,北京 100191) ,  Guo Xiaoqing (北京航空航天大学生物与医学工程学院,北京 100191) ,  Zhou Gang (北京航空航天大学生物与医学工程学院,北京 100191) ,  Fan Yubo (北京航空航天大学生物与医学工程学院,北京 100191) ,  Wang Yu (北京航空航天大学生物与医学工程学院,北京 100191)
資料名： Zhongguo Shengwu Yixue Gongcheng Xuebao  (Zhongguo Shengwu Yixue Gongcheng Xuebao)
巻： 39  号： 4  ページ： 394-403  発行年： 2020年 
JST資料番号： C2256A  ISSN： 0258-8021  CODEN： ZSYXEI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 2D/3Dレジストレーションは臨床診断と手術ナビゲーション計画に幅広く応用され、医学画像領域における異なる次元画像における情報欠損の問題を解決でき、医師が術中に患者の病巣を精確に位置付けることができる。従来の2D/3Dレジストレーション方法は画像のグレースケールに主に依存するが、非常に時間がかかるため、臨床のリアルタイムの需要に不利であり、またレジストレーション過程において局部最適値に陥りやすい。2D/3D医用画像レジストレーション問題を解決するために,深さ学習法を提案した。深さ学習に基づく畳込みニューラルネットワークを採用して,デジタル画像再構成技術(DRR)を訓練して,画像特徴を自動的に学習して,X線画像に対応するパラメータを予測して,レジストレーションを実現した。人体骨盤のモデル骨を実験対象とし、骨盤のCTデータから36000枚のDRR画像を生成し、訓練セットとし、同時にCアームによりモデル骨の50枚のX線画像を収集し、検証を行った。結果:深さ学習アルゴリズムは相関係数、正規化相互情報、ユークリッド距離の3つの精度評価指標におけるテスト値はそれぞれ0.82±0.07、0.32±0.03、61.56±10.91であり、従来の2D/3Dアルゴリズムに対応するテスト値はそれぞれ0であった。79±0.07,0.29±0.03,37.92±7.24で,深さ学習アルゴリズムの登録精度は,従来の2D/3Dアルゴリズムの登録精度よりも良好であり,局所最適値に陥る問題はなかった。同時に、深さ学習のレジストレーション時間は約0.03秒であり、従来の2D/3Dレジストレーションの時間を遥かに下回り、臨床のリアルタイムレジストレーションに対する需要を満たすことができ、将来臨床データの2D/3Dレジストレーション研究を展開する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  グレースケール ,  相関係数 ,  骨盤 ,  画像特性 ,  *二次元 ,  X線画像 ,  *医用画像 ,  *三次元 ,  正規化 ,  学習アルゴリズム ,  画像再構成
準シソーラス用語： 最適値 ,  Euclid距離 , 【Automatic Indexing@JST】

分類 (3件)： 生体計測・解析一般  (EL03010R) ,  医療用機器装置  (GA05020L) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 学習 ,  2D ,  3D ,  医用画像 ,  レジストレーション ,  研究