文献

J-GLOBAL ID：202002234035992875   整理番号：20A2500392

骨モデル作成のための深層学習アプローチ【JST・京大機械翻訳】

Deep learning approach to creating bone models

著者 (2件)： Krawczyk Zuzanna (Faculty of Electrical Engineering, Warsaw University of Techonology,Warsaw,Poland) ,  Starzynski Jacek (Faculty of Electrical Engineering, Warsaw University of Techonology,Warsaw,Poland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CPEE  ページ： 1-4  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： CTデータから骨構造の自動セグメンテーションのタスクにおける深層ニューラルネットワークの有用性を論じた。3つの異なるニューラルネットワークモデル(PSPNet,U-netおよびSegnet)を訓練し,セグメンテーションタスクを行った。CT画像における画素は,背景,患者概要および骨の3つのクラスに割り当てられる。各ネットワーク結果について,平均および分類区間(IoU)測度を評価した。93.2%に等しい平均IoU値を有するUネットモデルの使用で,最も正確なセグメンテーション結果を得た。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： 測度 ,  *セグメンテーション ,  ネットワーク ,  画素
準シソーラス用語： 神経回路網モデル ,  CT画像 ,  自動セグメンテーション ,  *深層学習 ,  ディープニューラルネットワーク , 【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 (2件)： 骨モデル ,  深層学習