文献

J-GLOBAL ID：202002253752821403   整理番号：20A1242929

PPU-NETに基づく超音波画像からの自動乳房病変セグメンテーション【JST・京大機械翻訳】

Automated Breast Lesion Segmentation from Ultrasound Images based on PPU-Net

著者 (5件)： Zhao Yijun (Wuhan University of Technology,School of Information Engineering,Wuhan,China) ,  Que Dashun (Wuhan University of Technology,Key Laboratory of Fiber Optic Sensing Technology and Information Processing Minisrty of Education,Wuhan,China) ,  Tan Jiaqi (Wuhan University of Technology,School of Information Engineering,Wuhan,China) ,  Xiao Yang (Shenzhen Institute of Advanced Technology,Chinese Academy of Sciences,Shenzhen,China) ,  Yu Yanyan (Shenzhen Institute of Advanced Technology,Chinese Academy of Sciences,Shenzhen,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICMIPE  ページ： 1-4  発行年： 2019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： 超音波は,乳房病変評価のための最も広く適用されている画像診断法の1つである。超音波における乳房病変セグメンテーションは,乳癌診断と治療計画に重要な特徴を抽出する上で重要な役割を果たす。既存の方法は,手動または自動化された乳房病変境界を含んでいる。しかし,手動のセグメンテーションは時間がかかり,観察者間の変動につながる。乳房病変の自動化されたセグメンテーションは,組織の超音波特性により非常に困難であるが,非常に困難である。新しい自動セグメンテーション技術であるニューラルネットワークは医用画像セグメンテーションタスクに広く使われており,良好な性能を達成している。本研究では,乳房病変をセグメント化するための新しい錐体プールUネットネットワーク(PPU-Net)を提案した。PPU-Netにおいて,ピラミッドプールモジュール(PPM)を,より多くのスケール情報を抽出するために,Uネットと一緒に適用した。訓練セット(408例)と試験セット(103例)の比率は,511の乳房病変画像において4:1であった。PPU-Net方式をテストセットに関して評価して,良い性能を達成した。PPU-NetのDice類似性係数(DSC)と精度(ACC)の評価基準は,それぞれ88.97±8.96%と94.16±4.02%であった。比較のために,U-netとFCNに基づくDSCとACCを評価した。結果は,PPU-Netが超音波画像から乳房病変セグメンテーションに適用でき,本研究においてU-netとFCNより良い性能を持つことを示した。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： *超音波 ,  自動化 ,  *セグメンテーション ,  ニューラルネットワーク ,  音響特性 ,  *乳房 ,  *超音波画像 ,  類似性 ,  評価基準 ,  治療計画 ,  画像診断
準シソーラス用語： 観測者 ,  自動セグメンテーション ,  医用画像セグメンテーション ,  乳癌診断 , 【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 (4件)： 超音波画像 ,  乳房 ,  病変 ,  セグメンテーション