文献

J-GLOBAL ID：202002276924590741   整理番号：20A2273817

深層生成モデルを用いた作物拡散MRIの塗装【JST・京大機械翻訳】

Inpainting Cropped Diffusion MRI Using Deep Generative Models

著者 (9件)： Ayub Rafi (Stanford University, Stanford, CA, USA) ,  Zhao Qingyu (Stanford University, Stanford, CA, USA) ,  Meloy M. J. (University of California, San Diego, La Jolla, CA, USA) ,  Sullivan Edith V. (Stanford University, Stanford, CA, USA) ,  Pfefferbaum Adolf (Stanford University, Stanford, CA, USA) ,  Pfefferbaum Adolf (SRI International, Menlo Park, CA, USA) ,  Adeli Ehsan (Stanford University, Stanford, CA, USA) ,  Pohl Kilian M. (Stanford University, Stanford, CA, USA) ,  Pohl Kilian M. (SRI International, Menlo Park, CA, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12329  ページ： 91-100  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： 画像取得中に導入されたマイナーアーチファクトは,頭部の頂部を欠損するMRIをもたらす限定された視野のような人間の眼にしばしば無視可能である。しかし,この作付アーチファクトは,データ省略またはその後の分析の電力の減少をもたらすMRIの準最適処理を引き起こす。高分解能画像再構成に以前に応用されている深層生成モデルである変分オートエンコーダ(VAE)による頭部の欠損領域を復元することにより,データまたは品質損失を回避することを提案した。青春(NCANDA)におけるアルコールと神経発達に関する国立コンソーシアムによって取得した拡散加重画像(DWI)に基づいて,著者らは,一般的自動コードモデル(U-Net,VQVAE,およびVAE-GAN)によって頭部のトップを修復する精度を評価して,ここで提案したU-VQVAEと呼ばれるカスタムモデルを評価した。著者らの結果は,U-VQVAEが最高の精度を達成するだけでなく,元のMRIから得られたFAよりも,補足運動領域においてより低い分数異方性(FA)を生じるMRI処理をもたらすことを示す。より低いFAは,修復が処理DWIにおけるノイズを減らし,その結果,生成結果の品質を増加させることを意味する。コードは,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： 異方性 ,  雑音 ,  変分法 ,  電力 ,  *農作物 ,  アルコール ,  マイナ ,  深層 ,  高分解能 ,  アーチファクト ,  画像再構成
準シソーラス用語： 神経発生 ,  *生成モデル ,  作付け , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 深層 ,  生成モデル ,  作物 ,  拡散MRI ,  塗装