強化ファジィ動径基底関数ニューラルネットワークによる不完全データを用いた多平面再構成【JST・京大機械翻訳】

Chao Zhen; Kim Dohyeon; Kim Hee-Joung; Kim Hee-Joung

文献

J-GLOBAL ID：202002231105066496 整理番号：20A0294952

強化ファジィ動径基底関数ニューラルネットワークによる不完全データを用いた多平面再構成【JST・京大機械翻訳】

Multiplanar reconstruction with incomplete data via enhanced fuzzy radial basis function neural networks

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0294952&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0294952&from=J-GLOBAL&jstjournalNo=W3347A") }}

著者 (4件)： , , ,
資料名：
巻： 57 ページ： Null 発行年： 2020年
JST資料番号： W3347A ISSN： 1746-8094 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)

単一スライス方向に基づくスライス画像は,しばしば不完全なデータを含み,診断または観察のために臨床医によって使用することができない。従って,多重平面再構成技術を用いてスライスを再構成することが必要である。完全データの場合,他のスライス方向から一連の明確な画像を得ることは困難である。不完全なデータの場合,内挿法は,欠落情報を補償するために再構成画像に一般的に使用される。しかし,そのような結果はしばしば理想的ではない。本研究では,強化ファジィ動径基底関数ニューラルネットワークに基づく新しい方法を提案した。最初に,正確に登録された一連の不完全横断面画像を採用した。次に,三次元データ量を得るためにシーケンス画像を重ね合わせた。その後,このデータ量を再フォーマットすることにより,冠状または矢状面画像を得ることができる。再構成画像に対して,提案したシステムを適用して,損失データを補償した。15組の提案したニューラルネットワークを用いて,15組の出力データを得,最終出力データを逆距離重み付けアルゴリズムにより得た。重力探索アルゴリズムによりシステムを訓練した。最後に,すべての補間データを修復した。この実験では,2種類のデータセット,すなわち脳磁気共鳴画像と腹部CTにより得られた画像を用いた。主観的観察と客観的評価は,他の最先端の方法と比較して提案方法の優位性と有効性を確認した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

医用画像処理 , 図形・画像処理一般 , 生体計測

, , , ,

前のページに戻る