文献

J-GLOBAL ID：202002252445921253   整理番号：20A2011126

2Dおよび3D回帰ニューラルネットワークによる弱教師付き物体検出【JST・京大機械翻訳】

Weakly supervised object detection with 2D and 3D regression neural networks

著者 (11件)： Dubost Florian (Biomedical Imaging Group Rotterdam, Departments of Radiology and Medical Informatics, Erasmus MC - University Medical Center Rotterdam, The Netherlands) ,  Adams Hieab (Departments of Radiology and Nuclear Medicine, and Epidemiology, Erasmus MC - University Medical Center Rotterdam, The Netherlands) ,  Yilmaz Pinar (Departments of Radiology and Nuclear Medicine, and Epidemiology, Erasmus MC - University Medical Center Rotterdam, The Netherlands) ,  Bortsova Gerda (Biomedical Imaging Group Rotterdam, Departments of Radiology and Medical Informatics, Erasmus MC - University Medical Center Rotterdam, The Netherlands) ,  Tulder Gijs van (Biomedical Imaging Group Rotterdam, Departments of Radiology and Medical Informatics, Erasmus MC - University Medical Center Rotterdam, The Netherlands) ,  Ikram M. Arfan (Departments of Radiology, Epidemiology and Neurology Erasmus MC - University Medical Center Rotterdam, The Netherlands) ,  Niessen Wiro (Biomedical Imaging Group Rotterdam, Departments of Radiology and Medical Informatics, Erasmus MC - University Medical Center Rotterdam, The Netherlands) ,  Niessen Wiro (Department of Imaging Physics, Faculty of Applied Science, TU Delft, Delft, The Netherlands) ,  Vernooij Meike W. (Departments of Radiology and Nuclear Medicine, and Epidemiology, Erasmus MC - University Medical Center Rotterdam, The Netherlands) ,  Bruijne Marleen de (Biomedical Imaging Group Rotterdam, Departments of Radiology and Medical Informatics, Erasmus MC - University Medical Center Rotterdam, The Netherlands) ,  Bruijne Marleen de (Machine Learning Section, Department of Computer Science, University of Copenhagen, Copenhagen, Denmark)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 65  ページ： Null  発行年： 2020年 
JST資料番号： W3156A  ISSN： 1361-8415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 大規模画像における自動的に複数の病変を見つけることは,医用画像分析における一般的問題である。この問題を解決することは,最適化中に,自動化法は病変の位置に関する情報をアクセスできず,病変の単一例を与えることができない。神経ネットワークを用いた新しい弱教師つき検出法を提案し,脳病変の位置を明らかにする注意マップを計算した。これらの注意マップは,大域的画像レベルラベルのみによって最適化されたセグメンテーションネットワークの最後の特徴マップを用いて計算される。提案手法は,前処理中の補間を必要とせずに,完全な入力分解能で注意マップを生成することができ,これは小さな病変が注意マップに現れることを可能にした。比較のために,より従来の分類目的の代わりに大域的回帰目的を用いて,弱教師つき物体検出に対する注意マップを計算する最先端の方法を改良した。この回帰目的は,画像におけるターゲットオブジェクトの発生数,例えばスキャンにおける脳病変の数,または画像における数字の数を最適化する。MNISTベースの検出データセットにおける提案した方法の挙動を研究し,4つの脳領域におけるすべての病変の中心における点状アノテーションを有する22023Dスキャンのデータセットにおいて,拡張血管周囲空間(脳病変型)の挑戦的検出に対してそれを評価した。MNISTベースのデータセットにおいて,提案方法は他の方法より優れている。脳データセットにおいて,弱い教師つき検出法は,各領域におけるヒト評価者内一致に近い。提案方法は,4つの領域のうち2つで,曲線の下で最良の領域に達し,すべての領域で,最小数の偽陽性検出があり,一方,すべての領域にわたる平均感度は,他の最良の方法のものと類似している。提案方法は,拡大した血管周囲腔の疫学的および臨床研究を促進し,拡張血管周囲空間の病因および脳血管疾患との関係における研究の進歩を助ける。Copyright 2020 Elsevier B.V., Amsterdam. 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 ,  自動化 ,  セグメンテーション ,  *ネットワーク ,  血管 ,  *ニューラルネットワーク ,  ヒト ,  検出法 ,  *二次元 ,  疫学 ,  *三次元 ,  病因 ,  アノテーション
準シソーラス用語： *物体検出 ,  脳病変 , 【Automatic Indexing@JST】

著者キーワード (11件)： 弱教師つき ,  回帰 ,  病変 ,  検出 ,  弱ラベル ,  数 ,  脳 ,  深層学習 ,  MRI ,  拡大血管周囲空間 ,  血管周囲空間

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 2D ,  3D ,  ニューラルネットワーク ,  教師 ,  物体検出