文献

J-GLOBAL ID：202002266050543234   整理番号：20A2499516

実時間光音響システムのための深層学習画像再構成【JST・京大機械翻訳】

Deep-Learning Image Reconstruction for Real-Time Photoacoustic System

著者 (4件)： Kim MinWoo (Department of Bioengineering, uWAMIT Center, University of Washington, Seattle, WA, USA) ,  Jeng Geng-Shi (Department of Electronics Engineering, National Chiao Tung University, Hsinchu, Taiwan) ,  Pelivanov Ivan (Department of Bioengineering, uWAMIT Center, University of Washington, Seattle, WA, USA) ,  O’Donnell Matthew (Department of Bioengineering, uWAMIT Center, University of Washington, Seattle, WA, USA)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 39  号： 11  ページ： 3379-3390  発行年： 2020年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
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： 光音響(PA)イメージングにおける最近の進歩は,微小血管構造と血液酸素化または灌流の定量的測定の詳細な画像を可能にした。PAイメージングのための標準再構成法は,適切な信号とシステムモデルを用いて逆問題を解くことに基づいている。しかし,ハンドヘルドスキャナでは,限られた検出ビューと帯域幅の不良設定条件は,ほとんどの事例で低い画像コントラストと厳しい構造損失をもたらす。本論文では,これらの問題を克服するため,深い畳込みニューラルネットワーク(CNN)に基づく実用的再構成法を提案した。リアルタイム臨床応用のために設計して,典型的微小血管ネットワークを模倣する大規模な合成データによって訓練した。合成および実データセットを用いた実験結果は,深層学習手法が従来の方法と比較して優れた再構成を提供することを確認した。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： ネットワーク ,  *音響 ,  画像処理 ,  システムモデル ,  音響機器 ,  再構成 ,  帯域幅 ,  逆問題 ,  潅流 ,  *画像再構成
準シソーラス用語： 実時間 ,  臨床応用 ,  微小血管 ,  *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)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 実時間 ,  深層学習 ,  画像再構成