文献

J-GLOBAL ID：202002228409976236   整理番号：20A1923998

関心検出と病変局在化の乳房超音波領域【JST・京大機械翻訳】

Breast ultrasound region of interest detection and lesion localisation

著者 (7件)： Yap Moi Hoon (Department of Computing and Mathematics, Manchester Metropolitan University, UK) ,  Goyal Manu (Department of Computing and Mathematics, Manchester Metropolitan University, UK) ,  Osman Fatima (Department of Computer Science, Sudan University of Science and Technology, Sudan) ,  Marti Robert (Computer Vision and Robotics Institute, University of Girona, Spain) ,  Denton Erika (Nolfolk and Norwich University Hospital Foundation Trust, Norwich, UK) ,  Juette Arne (Nolfolk and Norwich University Hospital Foundation Trust, Norwich, UK) ,  Zwiggelaar Reyer (Department of Computer Science, Aberystwyth University, UK)
資料名： Artificial Intelligence in Medicine  (Artificial Intelligence in Medicine)
巻： 107  ページ： Null  発行年： 2020年 
JST資料番号： T0685A  ISSN： 0933-3657  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： 現在の乳房超音波コンピュータ支援診断システムにおいて,放射線科医はコンピュータ化乳房超音波画像解析のための入力として関心領域(ROI)を事前選択する。このタスクは時間がかかり,人間の専門家の間に不一致がある。ROIを得るプロセスを自動化する研究者は,画像処理と従来の機械学習法に依存している。乳房超音波ROI検出と病変局在化のための深層学習法の使用を提案した。深層学習ネットワークとして,Incep-ResNet-v2を用いた最も正確なオブジェクト検出深層学習フレームワーク-Faster-RCNNを用いた。データセットの欠如により,転送学習を使用し,全体性能を改善するために新しい3チャネル人工RGB法を提案した。2つのデータセット(すなわち,データセットAとデータセットB),即ち,個々のデータセットと複合データセットにおける提案手法の性能を評価し,比較した。2種類の分析による病変検出結果を報告した。(1)検出点(分割領域または検出境界ボックス)と(2)区間(IoU)。その結果,提案手法は,検出点に関して同等の結果を達成したが,IoUに関して顕著な改善を達成した。さらに,提案した3チャネル人工RGB法は,データセットAの想起を改善する。最後に,研究の今後の方向性を概説した。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： *超音波 ,  自動化 ,  学習 ,  ネットワーク ,  画像処理 ,  *乳房 ,  超音波画像 ,  チャネル ,  乳房腫瘍 ,  コンピュータ ,  機械学習
準シソーラス用語： 物体検出 ,  局在化 ,  関心領域 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 乳房超音波 ,  乳癌 ,  オブジェクト検出 ,  関心領域

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 関心 ,  病変 ,  局在化 ,  乳房 ,  超音波