文献

J-GLOBAL ID：202002268578842974   整理番号：20A1515366

リカレントニューラルネットワークによる体積光コヒーレンストモグラフィー画像の自動分類【JST・京大機械翻訳】

Automatic Classification of Volumetric Optical Coherence Tomography Images via Recurrent Neural Network

著者 (4件)： Wang Chong (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Jin Yuxuan (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Chen Xiangdong (Department of Ophthalmology, The First Hospital of Hunan University of Chinese Medicine, Changsha, China) ,  Liu Zhimin (Department of Ophthalmology, The First Hospital of Hunan University of Chinese Medicine, Changsha, China)
資料名： Sensing and Imaging  (Sensing and Imaging)
巻： 21  号： 1  ページ： 32  発行年： 2020年 
JST資料番号： W4938A  ISSN： 1557-2072  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 網膜光コヒーレンストモグラフィー(OCT)画像の自動および正確な分類は,黄斑疾患の診断および等級づけにおいて眼科医を助けるために必須である。ほとんどの既存の方法は,各単一フレーム2D Bスキャンを別々に分析することにより3D網膜OCT体積を分類し,従ってBスキャン間の有意な時間的情報を必然的に無視する。本論文では,Bスキャン間の時間的情報を完全に利用できる再帰ニューラルネットワーク(VOCT-RNN)を介して,体積OCT画像を分類することを提案する。特に,3D網膜OCT画像の個々のBスキャンから高度に代表的な特徴を自動的に抽出するために,深い畳み込みニューラルネットワークを利用した。次に,長い短期記憶ネットワークを採用して,Bスキャンの間の時間的依存性をモデル化して,体積OCT分類を達成した。提案したVOCT-RNNは,ボリュームレベルラベルから直接学習でき,各Bスキャンでの詳細な注釈を必要としない。2つの臨床的に取得したOCTデータセットに関する実験結果は,体積網膜OCT画像分類のための提案したVOCT-RNNの有効性を実証した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 網膜 ,  学習 ,  *自動分類 ,  *ネットワーク ,  *ニューラルネットワーク ,  二次元 ,  三次元 ,  有効性
準シソーラス用語： *光コヒーレンストモグラフィー ,  短期記憶 ,  画像分類 ,  *リカレントニューラルネットワーク ,  眼科医 ,  黄斑疾患 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 光干渉断層撮影法 ,  リカレントニューラルネットワーク ,  長期短期記憶 ,  深い残差ネットワーク ,  画像分類

分類 (2件)： 医用画像処理  (JE04020T) ,  眼の診断  (GP02000N)

タイトルに関連する用語 (4件)： リカレントニューラルネットワーク ,  体積 ,  光コヒーレンストモグラフィー ,  自動分類