文献

J-GLOBAL ID：202002255335150112   整理番号：20A0376461

肺結節セグメンテーションのための改良マスクR-CNN【JST・京大機械翻訳】

Improved Mask R-CNN for Lung Nodule Segmentation

著者 (6件)： Yan Huanlan (China Jiliang University) ,  Lu Huijuan (China Jiliang University) ,  Ye Minchao (China Jiliang University) ,  Yan Ke (China Jiliang University) ,  Xu Yige (China Jiliang University) ,  Jin Qun (Waseda University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ITME  ページ： 137-141  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： ますます多くの人々が肺癌を患っているので,コンピュータ支援診断は肺癌診断においてますます重要な役割を果たしている。CNNは画像処理において最先端の性能を達成し,Mask R-CNNはインスタンスセグメンテーションに関する他の多くの方法より優れている。しかしながら,ターゲットは非常に小さく,背景は画像において非常に大きく,多くの負の例をもたらし,それらのほとんどは容易な否定である。それらは,滑らかな損失関数における損失値の大部分に寄与する。クラス不均衡問題は,モデルを退化させる非効率的訓練をもたらす。本論文では,肺結節を分割するためのMask R-CNNに基づく方法を提案した。CT値の不均一性により,Laplace演算子を用いて,雑音の部分をフィルタリングするための特徴次元縮小を行った。著者らのモデルにおいて,新しい関数Focal Lossを用いて,よく分類された例を抑制した。モデルをLIDC-IDRIデータセットでテストし,結果は肺結節の平均精度が78%に達することを示した。Mask R-CNNにおける滑らかな損失関数と比較して,それは7%改善した。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： *セグメンテーション ,  損失関数 ,  画像処理 ,  計算機診断 ,  肺腫瘍 ,  次元縮小 ,  フィルタリング ,  不均一性 ,  雑音 ,  Laplace演算子
準シソーラス用語： CT値 ,  *肺結節 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 肺結節 ,  セグメンテーション ,  マスク ,  CNN