文献

J-GLOBAL ID：202002253274522338   整理番号：20A0964290

深層学習技術を用いた脊椎磁気共鳴画像セグメンテーション【JST・京大機械翻訳】

Spine Magnetic Resonance Image Segmentation Using Deep Learning Techniques

著者 (4件)： Andrew J. (Karunya Institute of Technology and Sciences,Computer Science and Engineering,Coimbatore,India) ,  DivyaVarshini Murathoti (Karunya Institute of Technology and Sciences,Computer Science and Engineering,Coimbatore,India) ,  Barjo Prerna (Karunya Institute of Technology and Sciences,Computer Science and Engineering,Coimbatore,India) ,  Tigga Irene (Karunya Institute of Technology and Sciences,Computer Science and Engineering,Coimbatore,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICACCS  ページ： 945-950  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： 脊髄不正アラインメントは世界中で広く存在する慢性疾患である。それは,Stenosis,大腸炎,Osteoporotic Fracture,Thoracolumbar骨折,Disc変性などの異なる疾患を引き起こす。このような疾患の診断は,腰椎領域の磁気共鳴画像(MRI)スキャンを分析することにより一般的に行われる。MRI分析は,良く経験された医療専門家(放射線科医と整形外科医)によって行われる。この検査に対するフリップ側は時間がかかり,正確さの欠如を受ける可能性がある。多数のスキャン画像からのMRIスキャンの手動セグメンテーションは面倒で時間のかかるプロセスである。従って,脊椎MRIスキャンの自動セグメンテーションと解析の必要性があり,臨床出力と脊椎測定の精度を改善する。最近では,深い学習技術の上昇が医療システムに革命をもたらしている。それは大量のデータを分析し,より良い精度を得ることができる。したがって,深い学習アプローチは,MRIスキャンの自動セグメンテーションのために効率的に使用することができる。本論文では,深い学習技術を用いた脊髄MRIセグメンテーションの概要を示した。脊椎MRIからの疾患診断を行った。次に,畳込みニューラルネットワーク(CNN)を用いた自動画像セグメンテーションにおける最先端研究を論じた。性能計量に基づく様々な深い学習技術について比較分析を行った。最後に,自動セグメンテーションのための評価計量を,最新の結果の比較とともに提供した。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： アラインメント ,  *学習 ,  *セグメンテーション ,  脊髄 ,  医療従事者 ,  *脊柱 ,  腰椎 ,  骨折 ,  大腸炎 ,  *NMRイメージング
準シソーラス用語： *画像セグメンテーション ,  整形外科医 ,  自動セグメンテーション ,  *深層学習 ,  畳込みニューラルネットワーク , 【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 (3件)： 深層学習 ,  脊椎磁気共鳴画像 ,  セグメンテーション