文献

J-GLOBAL ID：202002272564169222   整理番号：20A1574346

頭部ファントムにおけるロボット機器の意味セグメンテーションのための合成画像のみによるCNNの訓練に及ぼす異なるレベルの現実性の影響【JST・京大機械翻訳】

The effects of different levels of realism on the training of CNNs with only synthetic images for the semantic segmentation of robotic instruments in a head phantom

著者 (4件)： Heredia Perez Saul Alexis (Department of Mechanical Engineering, The University of Tokyo, Tokyo, Japan) ,  Marques Marinho Murilo (Department of Mechanical Engineering, The University of Tokyo, Tokyo, Japan) ,  Harada Kanako (Department of Mechanical Engineering, The University of Tokyo, Tokyo, Japan) ,  Mitsuishi Mamoru (Department of Mechanical Engineering, The University of Tokyo, Tokyo, Japan)
資料名： International Journal of Computer Assisted Radiology and Surgery  (International Journal of Computer Assisted Radiology and Surgery)
巻： 15  号： 8  ページ： 1257-1265  発行年： 2020年 
JST資料番号： W4459A  ISSN： 1861-6410  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： 目的:深層ニューラルネットワークを用いた医用画像の意味論的セグメンテーションのための訓練データの手動生成は,時間消費および誤り傾向のあるタスクである。本論文では,ロボット機器の意味論的セグメンテーションのための深層ニューラルネットワークの訓練に対する異なるレベルのリアリズムの影響を調べた。対話型仮想現実環境を開発し,ロボット支援内視鏡手術のための合成画像を生成した。初期の研究とは対照的に,著者らは,現実感の増加のための物理的ベースレンダリングを使用した。方法:ロボットセットアップを複製するバーチャルリアリティシミュレータを用いて,現実感のレベル増加による3つの合成画像データベースを作成した:平坦,基本,および現実的(物理的ベースレンダリングを用いた)。これらのデータベースの各々を用いて,UNetベースの意味セグメンテーション深層学習モデルの20インスタンスを訓練した。合成画像のみを訓練したネットワークをファントムの160の内視鏡画像のセグメンテーションで評価した。ネットワークをDwas-Steel-Critchlow-Flignerノンパラメトリック試験を用いて比較した。結果:本結果は,リアリズムのレベルがファントム([数式:原文を参照])の内視鏡画像上のネットワークの平均交差-過剰(mIoU)を増加させることを示した。mIoU値中央値は,フラットデータセットで0.235,基本で0.458,現実的で0.729であった。合成画像で訓練された全てのネットワークは,ナイーブ分類器を凌駕した。さらに,アブレーション研究において,物理的ベースレンダリングのmIoUは,機器(0.606),バックグラウンド(0.685),およびバックグラウンドと装置(0.672)のテクスチャマッピング([数式:原文を参照])より優れていることを示した。結論:合成画像を生成する物理的ベースレンダリングの使用は,内視鏡画像における外科器具の意味論的セグメンテーションのためのニューラルネットワークの訓練を改善する効果的なアプローチである。著者らの結果は,この戦略がセマンティックセグメンテーションタスクにおける深層ニューラルネットワークの広い適応性における必須ステップであり,機械学習におけるドメインギャップをブリッジするのを助けることを示した。Copyright CARS 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  シミュレータ ,  *セグメンテーション ,  データベース ,  ネットワーク ,  *ロボット ,  ニューラルネットワーク ,  *ファントム ,  医用画像 ,  レンダリング ,  バーチャルリアリティ ,  機械学習
準シソーラス用語： 内視鏡画像 ,  深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  セマンティックセグメンテーション ,  光現実的レンダリング

分類 (2件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 頭部ファントム ,  ロボット機器 ,  意味 ,  セグメンテーション ,  合成画像 ,  CNN ,  訓練