文献

J-GLOBAL ID：202002245580134035   整理番号：20A2258913

領域特異的制約を組み込んだ拡張CNNによる心臓MRIセグメンテーション【JST・京大機械翻訳】

Cardiac MRI Segmentation With a Dilated CNN Incorporating Domain-Specific Constraints

著者 (2件)： Simantiris Georgios (Department of Computer Science, University of Crete, Heraklion, Greece) ,  Tziritas Georgios (Department of Computer Science, University of Crete, Heraklion, Greece)
資料名： IEEE Journal of Selected Topics in Signal Processing  (IEEE Journal of Selected Topics in Signal Processing)
巻： 14  号： 6  ページ： 1235-1243  発行年： 2020年 
JST資料番号： W1889A  ISSN： 1932-4553  CODEN： IJSTGY  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： 心臓MR画像の意味論的セグメンテーションは,心臓病の医学的評価におけるその重要性のため,挑戦的な仕事である。右および左心室性Cavity and Myocardiaのような関心の特定の領域の詳細な局在性により,医師は心血管疾患の存在に関する重要な情報を推論し,今日,世界的に主要な死因である。本論文では,拡張畳込みニューラルネットワークを用いた心臓MR画像における意味セグメンテーションの問題に取り組んだ。拡張畳み込みのためには,ネットワーク層全体にわたる完全分解能で動作し,局在化精度を保存し,一方,比較的少数の訓練可能パラメータを維持した。ネットワーク訓練プロセスを支援するために,カスタム損失関数を設計した。さらに,十分な訓練画像の欠如に対処するために,新しい増強技術を開発し,既存のものを適応させた。その結果,訓練セットは,量だけでなく,物質によって,そして,ネットワーク列は,過剰適合なしで,迅速かつ効率的に増加した。前処理と後処理段階も全プロセスにとって重要である。この方法論を,有望な結果を有する自動化心臓診断チャレンジ(ACDC)に従って,右および左静脈(RV,LV)および心筋(MYO)に対して適用した。アルゴリズムの予測をPost-2017-MICCAI-チャレンジテストフェーズに提出し,ACDCリーダボードで特徴付けられる最先端と比較して,テストデータセットで同様のスコア(平均Dice係数0.916)を達成したが,しかし,先導法よりも著しく少ないパラメータであった。本アプローチは,これまでこの課題において拡張畳込みを特徴とする他の方法より優れている。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 ,  畳込み ,  意味論 ,  自動化 ,  *セグメンテーション ,  損失関数 ,  ネットワーク ,  *心臓 ,  静脈 ,  心筋 ,  心臓病 ,  死因
準シソーラス用語： *心臓MRI ,  左心室 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I) ,  生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 制約 ,  拡張 ,  CNN ,  心臓MRI ,  セグメンテーション