文献

J-GLOBAL ID：202002279299796247   整理番号：20A1957062

CNN-LSTMネットワークを用いた頭蓋内出血検出と分類に関する実現可能な研究【JST・京大機械翻訳】

Feasible Study on Intracranial Hemorrhage Detection and Classification using a CNN-LSTM Network

著者 (4件)： Ko Hoon (Wonkwang University College of Medicine,Department of Biomedical Engineering,Iksan,Jeonbuk,Korea) ,  Chung Heewon (Wonkwang University College of Medicine,Department of Biomedical Engineering,Iksan,Jeonbuk,Korea) ,  Lee Hooseok (Wonkwang University College of Medicine,Department of Biomedical Engineering,Iksan,Jeonbuk,Korea) ,  Lee Jinseok (Wonkwang University College of Medicine,Department of Biomedical Engineering,Iksan,Jeonbuk,Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EMBC  ページ： 1290-1293  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 頭蓋内出血(ICH)は生命を脅かす状態であり,その転帰は脳卒中,外傷,動脈瘤,血管奇形,高血圧,違法薬物および血液凝固障害と関連する。本研究では,深層学習技術に基づく頭部CT画像を用いたICHの自動同定と分類の実現可能性を示した。分類のためのICHのサブタイプは,実質内,心室内,くも膜下,硬膜下および硬膜外であった。最初に,3つの異なる画像:脳窓,骨窓および硬膜下窓,およびCNN-LSTMモデルを用いた訓練された4,516,842頭部CT画像を提供するため,窓形成を行った。深いCNNのX開始モデルとLSTMの64ノードと32の時間ステップを用いた。性能評価のために,著者らは727,392の頭部CT画像をテストして,得られた加重マルチラベル対数損失は0.07528であった。提案手法はICH同定と分類の精度を高め,頭部CT画像の解釈,特に脳関連定量分析において放射線科医を支援できると信じる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  定量分析 ,  高血圧症 ,  くも膜 ,  脳卒中 ,  動脈瘤 ,  *頭蓋内出血 ,  対数 ,  硬膜 ,  血液凝固障害 ,  性能評価 ,  違法薬物
準シソーラス用語： ストリートドラッグ ,  CT画像 ,  頭部CT ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： CNN ,  LSTMネットワーク ,  頭蓋内出血 ,  分類 ,  研究