文献

J-GLOBAL ID：202002271916776641   整理番号：20A2273335

CTスライスにおけるユニバーサル病変検出のための教師付きプレトレーニングによる3Dコンテキストモデリングの再検討【JST・京大機械翻訳】

Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices

著者 (10件)： Zhang Shu (Department of Computer Science, Peking University, Beijing, China) ,  Xu Jincheng (Department of Computer Science, Peking University, Beijing, China) ,  Chen Yu-Chun (Deepwise AI Lab, Beijing, China) ,  Ma Jiechao (Deepwise AI Lab, Beijing, China) ,  Li Zihao (Deepwise AI Lab, Beijing, China) ,  Wang Yizhou (Department of Computer Science, Peking University, Beijing, China) ,  Wang Yizhou (Advanced Institute of Information Technology, Peking University, Hangzhou, China) ,  Wang Yizhou (Center on Frontiers of Computing Studies, Peking University, Beijing, China) ,  Yu Yizhou (Deepwise AI Lab, Beijing, China) ,  Yu Yizhou (The University of Hong Kong, Pokfulam, Hong Kong)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12264  ページ： 542-551  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： コンピュータ断層撮影(CT)スライスからの普遍的な病変検出は,包括的疾患スクリーニングにとって重要である。各病変が複数の隣接スライスに位置するので,3Dコンテキストモデリングは,自動病変検出アルゴリズムを開発するために非常に重要である。本研究では,CTスライスにおける普遍的病変検出のための3Dコンテキストを効率よく抽出するために,深さ方向分離可能畳込みフィルタとグループ変換モジュール(GTM)を利用する修正擬似3D特徴ピラミッドネットワーク(MP3D FPN)を提案した。より速い収束を容易にするために,新しい3Dネットワーク事前訓練法を,自然画像領域における大規模2D物体検出データセットを用いて導いた。新しい事前訓練法により,提案したMP3D FPNは,DeepLesionデータセット(FPs@0.5の感度における3.48%絶対改善)に対して最先端の検出性能を達成し,ベースライン法を3Dコンテキストモデリングに対して2D畳込みを採用する最大6.06%(MAP@0.5)まで著しく凌駕することを実証した。さらに,提案した3D事前訓練重みは,他の3D医用画像分析タスクの性能を高めるのに潜在的に使用できる。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  フィルタ ,  ネットワーク ,  二次元 ,  *三次元 ,  基準線 ,  スクリーニング ,  計算機トモグラフィー
準シソーラス用語： 自然画像 ,  物体検出 ,  検出能 ,  検出アルゴリズム ,  医用画像解析 ,  ディプス方向 , 【Automatic Indexing@JST】

著者キーワード (3件)： 病変検出 ,  3D文脈モデリング ,  3Dネットワークプレトレーニング

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (8件)： CT ,  スライス ,  病変 ,  教師 ,  トレーニング ,  3D ,  コンテキスト ,  モデリング