文献

J-GLOBAL ID：202002223569144926   整理番号：20A1613111

骨シンチグラフィにおけるホットスポットセグメンテーションのためのCGANとMilの結合【JST・京大機械翻訳】

Combining CGAN and Mil for Hotspot Segmentation in Bone Scintigraphy

著者 (5件)： Xu Hang (Shanghai Jiao Tong University,Intelligence Learning Laboratory,China) ,  Geng Shijie (Shanghai Jiao Tong University,Intelligence Learning Laboratory,China) ,  Qiao Yu (Shanghai Jiao Tong University,Intelligence Learning Laboratory,China) ,  Xu Kuan (Shanghai Jiao Tong University,Intelligence Learning Laboratory,China) ,  Gu Yueyang (Shanghai Jiao Tong University,Intelligence Learning Laboratory,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICASSP  ページ： 1404-1408  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 骨シンチグラフィーは,骨腫瘍と転移を診断するために広く使われている。骨シンチグラフィーからの正確なホットスポットセグメンテーションは,腫瘍転移診断のために非常に重要である。本論文では,条件付き生成広告ネットワーク(cGAN)と多重インスタンス学習(MIL)の両方の技法を統合することにより,胸部領域におけるホットスポットを検出し,抽出するための新しいフレームワークを提案した。最初に,cGANを用いて発電機を訓練し,入力骨走査画像を4つの解剖学的領域に分離でき,位置情報を提供できる。コントラスト,テクスチャおよび位置情報を統合するために多次元特徴を構築した。次に,MILを用いて,この構築した特徴を持つパッチレベル分類器を訓練した。ホットスポットセグメンテーションにおいて,ホットスポット確率マップをパッチレベル分類器で推定することができた。ホットスポットセグメンテーションをレベル集合法で実行し,ホットスポット境界をホットスポット確率マップに基づいて初期化した。ホットスポットデータセットに関する提案フレームワークを定量的に評価し,それを他の方法と比較した。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： コントラスト ,  学習 ,  広告 ,  *セグメンテーション ,  ネットワーク ,  多重化 ,  腫瘍転移 ,  解剖学 ,  *ホットスポット ,  高次元 ,  骨腫瘍 ,  *骨シンチグラフィー ,  位置情報

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： 骨シンチグラフィ