文献

J-GLOBAL ID：202002278438317474   整理番号：20A2254247

畳込み深層ネットワーク(CDWN)を用いた低線量胸部CTスキャンにおける自動肺セグメンテーション【JST・京大機械翻訳】

Automatic lung segmentation in low-dose chest CT scans using convolutional deep and wide network (CDWN)

著者 (3件)： Akila Agnes S. (Department of Computer Science and Engineering, Karunya Institute of Technology and Sciences, Coimbatore, India) ,  Anitha J. (Department of Computer Science and Engineering, Karunya Institute of Technology and Sciences, Coimbatore, India) ,  Dinesh Peter J. (Department of Computer Science and Engineering, Karunya Institute of Technology and Sciences, Coimbatore, India)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 32  号： 20  ページ： 15845-15855  発行年： 2020年 
JST資料番号： W0703A  ISSN： 0941-0643  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： コンピュータ断層撮影(CT)イメージングは,肺関連 complaints訴を診断するための好ましいイメージング様式である。自動肺セグメンテーションは,胸部CT画像を解析するためのコンピュータ化診断システムの開発のための最も一般的な必要条件である。本論文では,更なる医療診断のために,胸部CTスキャンから肺領域を分割するために,畳み込み深く広いネットワーク(CDWN)を提案した。早期肺セグメンテーション技術は手作業の特徴に依存し,その性能はセグメンテーションのために考慮された特徴に依存する。提案モデルは,2つのラップで完全なCTスキャンから肺を自動的にセグメント化する。1)畳み込み層での階層的特徴表現を抽出するために必要なフィルタの学習,2)学習可能なデコンボリューション層を通した空間特徴による密な予測。モデルを訓練し,LIDC-IDRIデータベースの低用量胸部CTスキャン画像で評価した。提案したCDWNは,20の試験画像から肺領域のセグメンテーションにおいて0.95の平均Dice係数および98%の精度に達し,すべての試験画像に対して一貫した結果を維持した。実験結果は,提案した方式が肺セグメンテーションのための他の最先端の方法と比較して優れた性能を達成することを確認した。Copyright Springer-Verlag London Ltd., part of Springer Nature 2018 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 ,  学習 ,  *セグメンテーション ,  データベース ,  *ネットワーク ,  デコンボリューション ,  画像処理 ,  必要条件 ,  深層 ,  *計算機トモグラフィー ,  コンピュータ
準シソーラス用語： 胸部CT画像 ,  深層学習 ,  *肺セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (5件)： 自動肺セグメンテーション ,  畳込みニューラルネットワーク ,  深層学習 ,  画像処理と解析 ,  医療イメージング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 畳込み ,  深層 ,  低線量 ,  胸部CT ,  スキャン ,  肺セグメンテーション