文献

J-GLOBAL ID：202002252198384419   整理番号：20A1244672

ロバストな変形可能な3D医用画像レジストレーションのための二方向深推定による結合原理化精密化【JST・京大機械翻訳】

Coupling Principled Refinement with Bi-Directional Deep Estimation for Robust Deformable 3D Medical Image Registration

著者 (6件)： Zhang Yuxi (Key Laboratory for Ubiquitous Network and Service Software of Liaoning Province,Dalian,China) ,  Liu Risheng (Peng Cheng Laboratory,Shenzhen,China) ,  Li Zi (Key Laboratory for Ubiquitous Network and Service Software of Liaoning Province,Dalian,China) ,  Liu Zhu (Key Laboratory for Ubiquitous Network and Service Software of Liaoning Province,Dalian,China) ,  Fan Xin (Key Laboratory for Ubiquitous Network and Service Software of Liaoning Province,Dalian,China) ,  Luo Zhongxuan (Institute of Artificial Intelligence, Guilin University of Electronic Technology,Dalian,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ISBI  ページ： 86-90  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 変形可能な3D医用画像登録は,画像対間の複雑な変換のために困難である。従来のアプローチでは,物理的事前に埋め込まれたタスクガイドエネルギーを最適化することにより,変形場を推定し,反復最適化のための高価な計算負荷を受けながら,高い精度を達成する。最近,深いネットワークは,データ例の基礎となる情報を符号化し,高速予測を行うが,訓練データに大きく依存し,柔軟性が制限されている。本研究では,双方向の深い推定プロセスに先行する前処理を統合するパラダイムを開発した。ドメイン知識と深い表現の両方の長所から継承して,著者らのアプローチは,特に試験ペアが訓練によって大きな変動を示すとき,最新のものより変形分野のより効率的で安定した推定を達成した。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： 最適化 ,  ネットワーク ,  前処理 ,  柔軟性 ,  精密化 ,  *医用画像 ,  *三次元 ,  *ロバスト性 ,  ドメイン知識
準シソーラス用語： 訓練データ ,  計算負荷 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： ロバスト ,  3D ,  医用画像 ,  レジストレーション ,  二方向 ,  推定 ,  精密化