文献

J-GLOBAL ID：202002249824701894   整理番号：20A1147314

深さ学習に基づく脳スライス画像領域分割手法【JST・京大機械翻訳】

Region division method of brain slice image based on deep learning

著者 (4件)： Wang Songwei (鄭州大学電气工程学院,鄭州,450000) ,  Zhao Qiuyang (鄭州大学電气工程学院,鄭州,450000) ,  Wang Yuhang (鄭州大学電气工程学院,鄭州,450000) ,  Rao Xiaoping (中国科学院武漢物理与数学研究所,武漢,430071)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 40  号： 4  ページ： 1202-1208  発行年： 2020年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の多モードレジストレーション方法によるマウス脳スライス画像の自動領域分割精度の悪い問題に対して、教師なしマルチモーダルの脳スライス画像領域分割方法を提案した。まず、マウス脳画像に基づき、脳スライス領域分割に対応するARA(AllenReferenceAtlases)データベース中のAtlas脳画像とAverageTemplate脳画像を獲得した。次に;AverageTemplate脳画像とマウス脳切片を,アフィン変換前処理とPCANet-SR(PrincipalComponentAnalysisNet-basedStructuralRepresentation)ネットワークで前処理し,同モード変換を行った。次に,U-netと空間変換ネットワークによって,非監視登録を実現し,そして,登録変形関係を,Atlas脳画像に,用いた。最後に、登録変形後のAtlas脳画像のエッジ輪郭を抽出し、原始マウス脳スライスと融合し、脳スライス画像の領域分割を実現した。実験結果は,既存のPCANet-SR+Bスプラインレジストレーション方式と比較して,提案方法の登録精度指標の二乗平均平方根誤差(RMSE)が1.6%減少し,相関係数(CC)と相互情報(MI)が,それぞれ3.5%と0.78%増加することを示した。無監視マルチモーダルの脳スライス画像レジストレーションタスクを迅速に実現でき、脳スライス区域を正確的に分割できる。Data from Wanfang. Translated 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 ,  データベース ,  ネットワーク ,  前処理 ,  モード変換 ,  相関係数 ,  *分割法 ,  多モード ,  *断層画像 ,  アフィン変換
準シソーラス用語： 脳画像 ,  *脳切片 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 学習 ,  脳スライス ,  画像領域 ,  分割手法