文献

J-GLOBAL ID：202002236409372487   整理番号：20A1944134

深層ニューラルネットワーク結節候補検出によるCT画像における肺結節検出【JST・京大機械翻訳】

Pulmonary Nodule Detection in CT Images via Deep Neural Network Nodule Candidate Detection

著者 (3件)： Hu Zhengwei (University of Science and Technology of China, Hefei, Anhui, CN) ,  Muhammad Asim (University of Science and Technology of China, Hefei, Anhui, CN) ,  Zhu Ming (University of Science and Technology of China, Hefei, Anhui, CN)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICGSP’18  ページ： 79-83  発行年： 2018年 
JST資料番号： D0698C  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： 近年,根粒候補検出は,自動肺結節検出システムの基礎となり,その上界限界性能は,結節候補検出の感度によって決定される。本論文は,深層ニューラルネットワークを用いてノジュール候補検出を改善する。画素レベルセグメンテーション問題としてノジュール検出タスクを処理した。2D U-NETネットワークに基づく。より多くの結節を検出するために,各CTスライスを処理するためにマルチレベルネットワークを構築した。重みづけジセ損失関数を設計し,高感度を維持した。より重要なことに,通常のセグメンテーション問題と異なり,それは非常に不均衡な正と負のサンプルを持っている。ネットワークが簡単に収束する訓練法を提案した。さらに,複製結節を除去する効果的な非最大抑制(NMS)法を提案した。提案したフレームワークをLUNA16データセットで検証した。94.3%の感度スコアを達成し,偽陽性低減タスクに対してより良いLUNAの公式法よりも1/3倍の偽陽性を示した。結節候補検出のための深いニューラルネットワーク解を提供し,実験結果は著者らの方法の有効性を実証した。また,それは偽陽性低減タスクの入力にも使用できる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  損失関数 ,  *ネットワーク ,  複製 ,  *ニューラルネットワーク ,  根粒 ,  団塊 ,  画素 ,  二次元 ,  重みづけ
準シソーラス用語： 上界 ,  マルチレベル ,  *CT画像 ,  誤検出 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 肺結節検出 ,  深層ニューラルネットワーク ,  結節候補検出 ,  非最大抑制 ,  重み付きダイセ損失関数

分類 (2件)： 医用画像処理  (JE04020T) ,  呼吸器の診断  (GI02000S)

タイトルに関連する用語 (4件)： 深層ニューラルネットワーク ,  結節 ,  CT画像 ,  肺結節