文献

J-GLOBAL ID：202002268103538914   整理番号：20A0082382

MRI脳腫瘍セグメンテーションのための深部学習法:比較研究【JST・京大機械翻訳】

Deep Learning Methods for MRI Brain Tumor Segmentation: a comparative study

著者 (4件)： Brahim Ikram (University of E ́vry,IBISC EA 4526,Paris-Saclay,France) ,  Fourer Dominique (University of E ́vry,IBISC EA 4526,Paris-Saclay,France) ,  Vigneron Vincent (University of E ́vry,IBISC EA 4526,Paris-Saclay,France) ,  Maaref Hichem (University of E ́vry,IBISC EA 4526,Paris-Saclay,France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IPTA  ページ： 1-6  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： MRIからの脳腫瘍セグメンテーションは,専門家が疾患を予測し,それらの診断を改善するのを助けることができる生物医学画像処理における重要な課題である。今日,最先端技術の多くは,最良アーキテクチャの選択が未解決の問題となっている深い学習ニューラルネットワークに基づいている。したがって,本論文は,いくつかの有望なニューラルネットワークアーキテクチャの間の集中的で包括的な比較を通して,回答を提供することを目的とした。著者らの研究は,2D U-net,3D U-ネットおよびカスケードニューラルネットワークに基づく3つのアプローチを導き,それらをk-平均クラスタ化に基づく他の教師なし技術と一緒に比較した。また,大多数投票に基づくデータ増強,カリキュラム学習,およびオリジナルブースティング法のようないくつかの強化技術を考察した。著者らは,技術の適切な組合せを用いるとき,Diceスコアに関してベースライン法の結果を改善することを達成した。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： クラスタ化 ,  基準線 ,  *セグメンテーション ,  投票 ,  二次元 ,  ニューラルネットワーク ,  計算機アーキテクチャ ,  *学習 ,  カリキュラム ,  *脳腫瘍
準シソーラス用語： ニューラルネットワークアーキテクチャ ,  最先端技術 , 【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 (5件)： MRI ,  脳腫瘍 ,  セグメンテーション ,  深部 ,  研究