文献

J-GLOBAL ID：202002288643966589   整理番号：20A2619085

CNN活性化マップクラスタリングと能動輪郭を用いた改良型超音波腫瘍セグメンテーション【JST・京大機械翻訳】

An Improved Ultrasound Tumor Segmentation Using CNN Activation Map Clustering and Active Contours

著者 (2件)： Sivanandan Revathy (Mar Baselios College of Engineering and Technology,Dept. of ECE,Kerala,India) ,  Jayakumari J (Mar Baselios College of Engineering and Technology,Dept. of ECE,Kerala,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCCA  ページ： 263-268  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： 超音波(US)イメージングは,主にその非イオン化処置による腫瘍の診断のための主要なツールになったが,効果的な分析は,不均一性,スペックル,低いコントラストおよび複雑なエコー形成パターンの存在のため,困難である。特徴抽出のための手動で定義された述語は,深い学習が中心的な役割を果たすことができないのではない。本研究では,畳込みニューラルネットワーク(CNN)を,良性/悪性としてUS乳房腫瘍特徴抽出と分類に使用した。画像におけるノイズ変動にロバストで,既存の方法論の改善として,ニュートロソフィック前処理と強化を実行し,強化画像を訓練中のデータセットとオリジナル画像に追加した。neutrosophic前処理のみの使用は,CNNのバリデーション精度を0.84から0.92まで増加させたが,一方,好中球の前処理と増強の使用は,精度を0.99に増加させた。事前訓練されたパラメータを有するGoogLeNetを,作業のための好ましい構造として選び,CNNが正確に腫瘍に関連した特徴を学習できるクラス活性化マップを用いて検証した。最終層の活性化マップをファジィc-平均クラスタリングを用いてクラスタ化し,それは局所エネルギーを用いたアクティブ輪郭セグメンテーションのための初期輪郭として作用する。また,クラスタ化出力はCNNの予測精度のための検証法として認定された。提案したセグメンテーションを用いて,時間及び計算複雑度を低減でき,そうでなければ,伝統的符号化cum復号化ベースCNNセグメンテーションアーキテクチャに対して高い。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： コントラスト ,  雑音 ,  *超音波 ,  *セグメンテーション ,  特徴抽出 ,  *腫瘍 ,  画像処理 ,  クラスタ化 ,  復号化 ,  スペックル ,  ロバスト性 ,  好中球 ,  乳房腫瘍
準シソーラス用語： バリデーション ,  動的輪郭 , 【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 (8件)： CNN ,  活性化 ,  マップ ,  クラスタリング ,  輪郭 ,  超音波 ,  腫瘍 ,  セグメンテーション