文献

J-GLOBAL ID：202002244472936188   整理番号：20A1252287

CNNとU-NETの組合せアプローチを用いた心臓MRIにおける左心室自動セグメンテーション【JST・京大機械翻訳】

Left ventricle automatic segmentation in cardiac MRI using a combined CNN and U-net approach

著者 (3件)： Wu Bofeng (College of Medical Technology, Zhejiang Chinese Medical University, Hangzhou, 310053, China) ,  Fang Ying (College of Medical Technology, Zhejiang Chinese Medical University, Hangzhou, 310053, China) ,  Lai Xiaobo (College of Medical Technology, Zhejiang Chinese Medical University, Hangzhou, 310053, China)
資料名： Computerized Medical Imaging and Graphics  (Computerized Medical Imaging and Graphics)
巻： 82  ページ： Null  発行年： 2020年 
JST資料番号： T0220A  ISSN： 0895-6111  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 心血管疾患は,早期診断を通して悪化から効果的に予防することができる。この目的のために,心臓磁気共鳴画像(MRI)を分析することにより,疾患源を検出するための様々な方法が提案されており,左心室のセグメンテーションが不可欠な役割を果たしている。しかし,左心室(LV)は心臓MRIにおいて他の領域と容易に混乱するので,LVのセグメンテーションは困難な問題である。この問題を扱うために,CNNとUネットを組み合わせた複合モデルを提案し,LVを正確にセグメント化した。このモデルでは,CNNを用いて関心領域(ROI)を位置決めし,UネットネットワークはLVのセグメンテーションを達成する。著者らは,著者らのモデルを訓練してテストするために,MICCAI2009左室セグメンテーションチャレンジの心臓MRIデータセットを使用して,提案したモデルの精度とロバスト性を実証した。提案したモデルは最先端の結果を達成した。計量はDice計量(DM),体積重なり誤差(VOE)およびHausdorff距離(HD)で,DMは0.951に達し,VOEは0.053に達し,HDは3.641に達した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  心血管疾患 ,  ロバスト性 ,  早期診断
準シソーラス用語： Hausdorff距離 ,  *心臓MRI ,  *左心室 ,  関心領域 ,  *自動セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (5件)： 左心室 ,  心臓MRI ,  自動セグメンテーション ,  畳み込みニューラルネットワーク ,  U-NET

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： CNN ,  U-Net ,  組合せ ,  心臓MRI ,  左心室 ,  自動セグメンテーション