文献

J-GLOBAL ID：202002248471848727   整理番号：20A1196195

注意機構とマルチモデル融合に基づく脳腫瘍セグメンテーション【JST・京大機械翻訳】

Brain Tumor Segmentation Based on Attention Mechanism and Multi-model Fusion

著者 (12件)： Guo Xutao (Department of Electronic and Information Engineering, Harbin Institute of Technology at Shenzhen, Shenzhen, Guangdong, China) ,  Yang Chushu (Department of Electronic and Information Engineering, Harbin Institute of Technology at Shenzhen, Shenzhen, Guangdong, China) ,  Ma Ting (Department of Electronic and Information Engineering, Harbin Institute of Technology at Shenzhen, Shenzhen, Guangdong, China) ,  Ma Ting (Advanced Innovation Center for Human Brain Protection, Capital Medical University, Beijing, China) ,  Ma Ting (National Clinical Research Center for Geriatric Disorders, Xuanwu Hospital, Capital Medical University, Beijing, China) ,  Ma Ting (Peng Cheng Laboratory, Shenzhen, Guangdong, China) ,  Zhou Pengzheng (Department of Electronic and Information Engineering, Harbin Institute of Technology at Shenzhen, Shenzhen, Guangdong, China) ,  Lu Shangfeng (Department of Electronic and Information Engineering, Harbin Institute of Technology at Shenzhen, Shenzhen, Guangdong, China) ,  Ji Nan (Department of Neurosurgery China National Clinical Research Center for Neurological Diseases, Beijing Tiantan Hospital, Capital Medical University, Beijing, China) ,  Li Deling (Department of Neurosurgery China National Clinical Research Center for Neurological Diseases, Beijing Tiantan Hospital, Capital Medical University, Beijing, China) ,  Wang Tong (Department of Electronic and Information Engineering, Harbin Institute of Technology at Shenzhen, Shenzhen, Guangdong, China) ,  Lv Haiyan (Mindsgo Life Science Shenzhen Ltd Member, IEEE, Haiyan Lv6, Shenzhen, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11993  ページ： 50-60  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： 脳腫瘍は脳において制御不能で異常な細胞である。脳腫瘍の発生率と死亡率は非常に高い。それらの間で,神経膠腫は異なる程度の浸潤を伴う最も一般的な原発性悪性腫瘍である。脳腫瘍のセグメンテーションは,疾患診断,外科的計画および予後のための必要条件である。脳腫瘍データの特性に従って,著者らは,注意機構[1]に基づくマルチモデル融合脳腫瘍自動セグメンテーションアルゴリズムを設計した。このネットワークアーキテクチャは,3D U-net[2]に基づいてわずかに修正されている。同時に,3D Uネットモデルに注意機構を追加した。訓練プロセスにおけるパッチサイズと注意機構に従って,4つの独立したネットワークを設計した。ここでは,異なるサブネットワークを訓練するために,64×64および128×128パッチサイズを用いた。最後に,ラベル層における4つのモデルの結果を結合して,最終的セグメンテーション結果を得た。このマルチモデル融合法はアルゴリズムのロバスト性を効果的に改善できる。同時に,注意方法はネットワークの特徴抽出能力を改良することができて,分割精度を改良することができた。新しく放出されたBRATSデータセット(BRATS2019)に関する著者らの実験研究は,著者らの方法が脳腫瘍を正確に記述することを示す。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： アルゴリズム ,  *セグメンテーション ,  ネットワーク ,  特徴抽出 ,  死亡率 ,  *脳腫瘍 ,  神経膠腫 ,  予後 ,  三次元 ,  必要条件 ,  ロバスト性 ,  ネットワークアーキテクチャ
準シソーラス用語： マルチモデル ,  自動セグメンテーション ,  サブネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 脳腫瘍 ,  注意機構 ,  セグメンテーション ,  U-NET ,  CNN

分類 (3件)： 医用画像処理  (JE04020T) ,  神経系の腫よう  (GN04000V) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (5件)： 注意 ,  マルチモデル ,  融合 ,  脳腫瘍 ,  セグメンテーション