文献

J-GLOBAL ID：202102221428017071   整理番号：21A0445088

CTにおけるCOVID-19感染のセグメンテーション: 4つのUnetベースネットワークの比較【JST・京大機械翻訳】

Segmentation of COVID-19 Infections on CT: Comparison of Four UNet-Based Networks

著者 (5件)： Hasanzadeh Navid (University of Tehran,CIPCE, School of Electrical and Computer Engineering,Tehran,Iran) ,  Paima Saman Sotoudeh (University of Tehran,CIPCE, School of Electrical and Computer Engineering,Tehran,Iran) ,  Bashirgonbadi Ali (University of Tehran,CIPCE, School of Electrical and Computer Engineering,Tehran,Iran) ,  Naghibi Mehran (Tabriz University of Medical Sciences,Faculty of Medicine,Department of Anatomical Sciences,Tabriz,Iran) ,  Soltanian-Zadeh Hamid (University of Tehran - Henry Ford Health System Tehran, Iran,CIPCE, School of Electrical and Computer Engineering - Medical Image Analysis Lab,Departments of Radiology and Research Administration,Detroit,MI,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICBME  ページ： 222-225  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： COVID-19の診断と治療は,疾患の最適管理に重要である。この目的のために,COVID-19関連肺感染の検出と定量化で放射線科医を支援する新しい画像解析法を開発する必要がある。本研究では,U-Net,注意U-Net,R2U-Net,および注意R2U-Netモデルを用いて,胸部CTからの4つの人工知能(AI)ベースの病変セグメンテーションと定量化法を開発して評価した。これらのモデルを訓練し,147名の健常被験者からの肺の8739CT画像とCOVID-19に感染した150名の患者からなるデータセットを用いて評価した。結果は,注意R2U-Netモデルが0.79のDice値を有する他者より優れていることを示した。注意R2U-Netモデルにより推定した病変体積は,専門家による手動セグメンテーションと高く相関し,相関係数は0.96であった。Copyright 2021 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： *セグメンテーション ,  相関係数 ,  人工知能 ,  画像分析
準シソーラス用語： 放射線科医 ,  胸部CT , 【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 (3件)： CT ,  感染 ,  セグメンテーション