文献

J-GLOBAL ID：202002237352960092   整理番号：20A1999619

腹部CTスキャンにおける膵臓セグメンテーションのための高密度注意ネットワーク【JST・京大機械翻訳】

Dense attentional network for pancreas segmentation in abdominal CT scans

著者 (3件)： Yu Weihao (Jiao Tong University, China) ,  Chen Huai (Jiao Tong University, China) ,  Wang Lisheng (Jiao Tong University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： AIPR ’19  ページ： 83-87  発行年： 2019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： 深層ニューラルネットワークは医用画像セグメンテーションにおいて広く使われており,それらはいくつかの大器官のセグメンテーションにおいて良好な結果を達成できる。しかし,3D CT画像における膵臓のようないくつかの小器官に対して,セグメンテーション結果は,通常,低い割合のために満足されない。本論文では,腹部CTスキャンにおける膵臓セグメンテーションを改善するために,新しいネットワーク--Dense注意ネットワーク(DA-Net)を提示した。DA-Netにおいて,高密度接続を用いて,復号器の対応する特徴を有する符号器の低レベル特徴を結合して,それは特徴マップ(FMs)の利用の改善を助けることができた。さらに,特徴マップ(RRFM)の再結合と再較正のための新しいモジュールと新しい注意機構(DAF)を用いて,最も識別できる特徴を励起できる。膵臓を粗いセグメンテーションネットワークによって3D CT画像から最初に位置決めして,次に,膵臓をDA-Netによってさらに細かくセグメント化して,膵臓を粗から微細モードによって3D CT画像からセグメント化した。NIH膵臓データセットとBTCVセグメンテーションチャレンジから129のCT画像で提案した方法を評価し,いくつかの主流セグメンテーションネットワークと比較した。これらのネットワークと比較して,著者らのDA-Netは,81.39%のより高い平均DSCを有した。これは,提案した方法の有効性と利点を示した。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： 再結合 ,  *セグメンテーション ,  *ネットワーク ,  復号器 ,  符号器 ,  有効性 ,  *計算機トモグラフィー
準シソーラス用語： CT画像 ,  3次元CT ,  高密度 ,  特徴マップ ,  医用画像セグメンテーション ,  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 (4件)： 粗から精 ,  高密度注意ネットワーク ,  高密度接続 ,  膵臓セグメンテーション

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 腹部CT ,  スキャン ,  膵臓 ,  セグメンテーション ,  高密度 ,  注意