文献

J-GLOBAL ID：202002287809506173   整理番号：20A1244885

肝病変セグメンテーションのためのハイブリッドカスケードニューラルネットワーク【JST・京大機械翻訳】

Hybrid Cascaded Neural Network for Liver Lesion Segmentation

著者 (2件)： Dey Raunak (University of Georgia,Department of Computer Science) ,  Hong Yi (University of Georgia,Department of Computer Science)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ISBI  ページ： 1173-1177  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： 自動肝臓病変セグメンテーションは,効果的な治療の設計と適切なケアの計画において医療専門家を支援することに有意な影響を持つ一方で,挑戦的な課題である。本論文では,二次元および三次元畳込みニューラルネットワークを効果的にセグメント化するために,二次元および三次元畳込みニューラルネットワークを組み合わせたカスケードシステムを提案した。著者らの2Dネットワークは,肝臓と大きな肝臓病変をセグメント化するために,軸方向にスライスごとの基底で動作する。一方,3Dネットワークを用いて,2Dセグメンテーション設計においてしばしば見過ごされる小さな病変を検出する。このアルゴリズムをLITSチャレンジに適用し,68.1%の被験者当たりのDiceスコアを得た。これは,すべての非訓練モデルの中で最良であり,公表された方法の中で2番目に優れている。また,LITSデータセットのアノテーションにおける過剰および過小セグメンテーション問題を明らかにするために,2つの交差検証を行った。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： アルゴリズム ,  *セグメンテーション ,  *ネットワーク ,  基底 ,  *ニューラルネットワーク ,  医療従事者 ,  軸方向 ,  二次元 ,  三次元 ,  アノテーション
準シソーラス用語： 被験者 ,  畳込みニューラルネットワーク , 【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 (2件)： 病変 ,  セグメンテーション