文献

J-GLOBAL ID：202002238654130200   整理番号：20A2146986

CT合成に対する不確実性を意識した多重解像度全身MR【JST・京大機械翻訳】

Uncertainty-Aware Multi-resolution Whole-Body MR to CT Synthesis

著者 (16件)： Klaeser Kerstin (Department Medical Physics and Biomedical Engineering, University College London, London, UK) ,  Klaeser Kerstin (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Borges Pedro (Department Medical Physics and Biomedical Engineering, University College London, London, UK) ,  Borges Pedro (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Shaw Richard (Department Medical Physics and Biomedical Engineering, University College London, London, UK) ,  Shaw Richard (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Ranzini Marta (Department Medical Physics and Biomedical Engineering, University College London, London, UK) ,  Ranzini Marta (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Modat Marc (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Atkinson David (Centre for Medical Imaging, University College London, London, UK) ,  Thielemans Kris (Institute of Nuclear Medicine, University College London, London, UK) ,  Hutton Brian (Institute of Nuclear Medicine, University College London, London, UK) ,  Goh Vicky (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Cook Gary (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Cardoso M. Jorge (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Ourselin Sebastien (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12417  ページ： 110-119  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 磁気共鳴映像(MRI)からの計算機トモグラフィー(CT)画像の合成は,定量および診断目的の両方に対して,医用画像分析の分野で重要な役割を果たす。特に脳アプリケーションでは,畳み込みニューラルネットワーク(CNN)はこの画像翻訳タスクにおいて有用なツールであり,最先端の結果を達成した。しかし,完全な身体画像合成は,ほとんど未チャートの領域であり,限られた視野と大きな画像サイズ,複雑な空間コンテキスト,および時間消去画像取得の間の解剖学的差異を含む多くの課題を持っている。CT合成に対するエンドツーエンドフルボディMRのための新しい多重解像度カスケード3Dネットワークを提案した。提案手法は,2Dおよび3DにおいてU-Netのような一般的なCNNより優れていることを示した。さらに,安全性の尺度としてネットワークの不確実性を含み,データにおける固有雑音と不整合を説明することを提案した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  ネットワーク ,  *不確実性 ,  応用プログラム ,  二次元 ,  解剖学 ,  不整合 ,  画像合成 ,  三次元 ,  計算機トモグラフィー
準シソーラス用語： *多重解像度 ,  画像入力 ,  磁気共鳴映像 ,  医用画像解析 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： MRからCTへの合成 ,  多重分解能CNN ,  不確実性

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： CT ,  不確実性 ,  意識 ,  多重解像度 ,  全身 ,  MR