文献

J-GLOBAL ID：202002271920674190   整理番号：20A0425793

マルチシーケンス心臓MRセグメンテーションのための擬似3Dネットワーク【JST・京大機械翻訳】

Pseudo-3D Network for Multi-sequence Cardiac MR Segmentation

著者 (7件)： Liu Tao (Beijing Normal University, Beijing, China) ,  Tian Yun (Beijing Normal University, Beijing, China) ,  Zhao Shifeng (Beijing Normal University, Beijing, China) ,  Huang XiaoYing (Beijing Normal University, Beijing, China) ,  Xu Yang (Beijing Normal University, Beijing, China) ,  Jiang Gaoyuan (Beijing Normal University, Beijing, China) ,  Wang Qingjun (Sixth Medical Center of PLA General Hospital, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12009  ページ： 237-245  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： 深部学習アプローチは,心臓磁気共鳴(CMR)画像セグメンテーションのための強力なモデルと見なされてきた。しかしながら,ほとんどの現在の深い学習アプローチは,マルチシーケンス(MS)心臓磁気共鳴からの情報を完全に利用しない。本研究では,深い学習法を用いて,MS CMRデータを完全に自動化した。平衡状態自由行程(bSSFP)シネシーケンスを用いて,事前知識として左室位置決めを実行し,次に,後期ガドリニウム強化(LGE)シネシーケンスを正確なセグメンテーションのために用いた。このセグメンテーション戦略は,MS CMRデータから相補的情報を完全に利用する。さらに,体積医用画像の異方性を解決するために,著者らはLGE CMRデータをセグメント化するために擬似3D畳込みニューラルネットワーク構造を採用して,それは2Dネットワークの利点を結合して,分割精度を損なうことなく3Dデータにおける空間構造情報を保存した。マルチシーケンスCardiac MR Segmentation Challenge(MS-CMRSeg2019)の実験結果は,著者らの方式が限られたGPUコンピューティング資源と少量の注釈付きデータによってさえ,満足な結果を達成したことを示した。本論文における完全な実装と構成ファイルは利用可能である。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： 学習 ,  医用画像 ,  *心臓 ,  立体構造 ,  自動化 ,  位置決め ,  平衡状態 ,  アノテーション ,  二次元 ,  *セグメンテーション ,  *ネットワーク ,  磁気共鳴 ,  *三次元 ,  異方性
準シソーラス用語： 事前知識 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチシーケンス ,  擬似3Dネットワーク ,  セグメンテーション

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： マルチ ,  シーケンス ,  心臓 ,  MR ,  セグメンテーション ,  擬似 ,  3D