文献

J-GLOBAL ID：202002243024799390   整理番号：20A0958337

深部学習に基づくCT画像における肺結節の検出に関する研究【JST・京大機械翻訳】

Study on the Detection of Pulmonary Nodules in CT Images Based on Deep Learning

著者 (7件)： Li Gai (North China University of Science and Technology Affiliated Hospital, Tangshan, China) ,  Zhou Wei (North China University of Science and Technology Affiliated Hospital, Tangshan, China) ,  Chen Weibin (North China University of Science and Technology Affiliated Hospital, Tangshan, China) ,  Sun Fengtao (North China University of Science and Technology Affiliated Hospital, Tangshan, China) ,  Fu Yu (North China University of Science and Technology Affiliated Hospital, Tangshan, China) ,  Gong Fengling (North China University of Science and Technology Affiliated Hospital, Tangshan, China) ,  Zhang Huiying (North China University of Science and Technology Affiliated Hospital, Tangshan, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 67300-67309  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 医用画像技術の開発とコンピュータ断層撮影(CT)の導入により,肺癌の早期スクリーニングがますます可能になっている。本論文では,肺実質を抽出し修復するためにウェーブレット動的解析の方法を導入し,肺実質外の雑音干渉を除外した。アルゴリズムは,より高い精度で肺結節を位置決めするのを助けることができる。次に,遺伝的アルゴリズムと従来のCNNによって最適化した畳込みニューラルネットワーク(CNN)を用いて,肺結節のCT画像の特徴を抽出した。異なる画像の対応する特徴を自動的に識別した。2つのアルゴリズムの精度を比較することによって,遺伝的アルゴリズムによって最適化されたCNNがより高い精度を有することを証明した。最後に,遺伝的アルゴリズムによって最適化されたCNNを用いて,既存の肺結節画像を検出して分類して,それは肺結節のCT画像検出技術のための指針を提供した。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： アルゴリズム ,  干渉 ,  最適化 ,  雑音 ,  *学習 ,  波束 ,  検出法 ,  医用画像 ,  スクリーニング ,  肺腫瘍 ,  計算機トモグラフィー ,  遺伝的アルゴリズム ,  動的解析
準シソーラス用語： *CT画像 ,  *肺結節 , 【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 (5件)： 深部 ,  学習 ,  CT画像 ,  肺結節 ,  研究