文献

J-GLOBAL ID：202002248590455640   整理番号：20A2273455

超音波画像を用いた乳房病変分類のためのマルチスケールグラディエーション順序融合フレームワーク【JST・京大機械翻訳】

Multi-scale Gradational-Order Fusion Framework for Breast Lesions Classification Using Ultrasound Images

著者 (10件)： Ning Zhenyuan (School of Biomedical Engineering, Southern Medical University, Guangzhou, China) ,  Ning Zhenyuan (Guangdong Provincial Key Laboratory of Medical Image Processing, Southern Medical University, Guangzhou, China) ,  Tu Chao (School of Biomedical Engineering, Southern Medical University, Guangzhou, China) ,  Tu Chao (Guangdong Provincial Key Laboratory of Medical Image Processing, Southern Medical University, Guangzhou, China) ,  Xiao Qing (School of Biomedical Engineering, Southern Medical University, Guangzhou, China) ,  Xiao Qing (Guangdong Provincial Key Laboratory of Medical Image Processing, Southern Medical University, Guangzhou, China) ,  Luo Jiaxiu (School of Biomedical Engineering, Southern Medical University, Guangzhou, China) ,  Luo Jiaxiu (Guangdong Provincial Key Laboratory of Medical Image Processing, Southern Medical University, Guangzhou, China) ,  Zhang Yu (School of Biomedical Engineering, Southern Medical University, Guangzhou, China) ,  Zhang Yu (Guangdong Provincial Key Laboratory of Medical Image Processing, Southern Medical University, Guangzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12266  ページ： 171-180  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： 乳房超音波(BUS)画像に基づく乳房病変の悪性の可能性を予測することは,乳癌のためのコンピュータ支援診断(CAD)システムにとって重要である。しかし,BUS画像における乳房病変は比較的低いコントラストを有する様々な形状を有し,乳房病変のテクスチャはしばしば複雑であるため,乳房病変の悪性の可能性を予測するのはなお困難である。本論文では,乳房病変の悪性ポテンシャルを予測するための異なるスケール画像からの特徴を完全に利点するために,新しいマルチスケールグラデーション次数融合(MsGoF)フレームワークを提案した。特に,マルチチャネル入力としてBUS画像の注釈付き病変からマルチスケールパッチを最初に抽出した。次に,マルチスケール特徴を自動的に学習し,乳房病変の形態学的特徴を包括的に捉えるために,異なる融合戦略で腕をつけたいくつかの融合ブロックで融合した。複雑なテクスチャをよりよく特徴付け,非線形モデリング能力を高めるために,著者らは,さらに,異なる順序特徴の学習および結合のために,各ブロックにおける等方性の段階的順序特徴モジュールを提案した。最後に,乳房病変の悪性可能性の予測を行うため,これらのマルチスケールの段階的特徴を利用した。このフレームワークの主な利点は,多重スケール特徴を深く統合するために使用される融合ブロックに階級特徴モジュールを埋め込むことである。提案モデルを5倍交差検証を用いてオープンデータセットで評価した。実験結果は,提案したMsGoFフレームワークが,他の深い学習ベースの方法と比較して,有望な性能を得ることを実証した。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： コントラスト ,  *超音波 ,  学習 ,  計算機診断 ,  *乳房 ,  等方性 ,  *超音波画像 ,  乳房腫瘍 ,  アノテーション
準シソーラス用語： マルチチャネル ,  マルチスケール ,  オープンデータ , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチスケール ,  Gradational-Order融合 ,  乳房病変分類

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (7件)： 音波画像 ,  乳房 ,  病変 ,  分類 ,  順序 ,  融合 ,  フレームワーク