文献

J-GLOBAL ID：202002277017165640   整理番号：20A2796006

医用画像セグメンテーションのためのペアワイズ学習【JST・京大機械翻訳】

Pairwise learning for medical image segmentation

著者 (6件)： Wang Renzhen (School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Cao Shilei (Jarvis Lab, Tencent, Shenzhen, 518075, China) ,  Ma Kai (Jarvis Lab, Tencent, Shenzhen, 518075, China) ,  Zheng Yefeng (Jarvis Lab, Tencent, Shenzhen, 518075, China) ,  Meng Deyu (School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Meng Deyu (Macau Institute of Systems Engineering, Macau University of Science and Technology, Taipa, Macau)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 67  ページ： Null  発行年： 2021年 
JST資料番号： W3156A  ISSN： 1361-8415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 豊富なラベル付きデータで訓練された完全畳込みネットワーク(FCN)は,医用画像セグメンテーションのための強力で効率的な解決策であることが証明されている。しかし,FCNはしばしば,ラベル付きデータの欠如と医用イメージングにおける外観の著しい変化のために,満足のいく結果を達成することができない。この挑戦的な課題に取り組むために,本論文では,ペアワイズサンプルが豊富なコンテキスト表現を捕捉し,融合モジュールを用いて互いに誘導する,共役完全畳込みネットワーク(CFCN)を提案した。少数の訓練サンプルによるクラス内不均一性と境界曖昧さによって導入された過剰適合問題を避けるために,著者らは,プロキシ監視と呼ばれるラベル空間から事前情報を明示的に利用することを提案した。さらにCFCNをコンパクトな共役完全畳み込みネットワーク(C2FCN)に拡張し,これはCFCNと比較して入力ペアのグランドトルースをフィッティングする復号器の2つの追加分岐なしにプロキシ監視をフィッティングするための1つのヘッドを持つ。テストフェーズにおいて,分割確率は,プロキシ監督で暗示された学習論理的関係によって推論される。肝腫瘍セグメンテーション(LiTS)と併用(CT-MR)健康腹部臓器分割(CHAOS)データセットの定量的評価は,提案したフレームワークが,特に限られた量の訓練データで,バイナリセグメンテーションとマルチカテゴリセグメンテーションの両方に関して顕著な性能改善を達成することを示した。ソースコードはhttps://github.com/renzhenwang/pairwise_segmentationで利用可能である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *学習 ,  *セグメンテーション ,  ネットワーク ,  復号器 ,  共役 ,  不均一性 ,  曖昧さ ,  肝臓腫瘍
準シソーラス用語： 訓練データ ,  事前知識 ,  定量的評価 ,  ソースコード ,  医用画像処理 ,  *医用画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (4件)： 医用画像セグメンテーション ,  共役完全畳込みネットワーク ,  ペアワイズセグメンテーション ,  Proxy監視

分類 (3件)： パターン認識  (JE07000S) ,  無線通信一般  (ND08010L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 医用画像セグメンテーション ,  学習