抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【目的】超音波画像に基づく乳房病変のセグメンテーションは,乳癌のコンピュータ支援診断と定量分析のための基本的前処理ステップである。乳腺超音波画像病巣の辺縁は通常比較的に曖昧であり、しかも大量にラベル付けされた分割画像が不足しているため、深さ学習に基づく乳腺超音波画像分割の難しさを増加した。本文では、混合監視二重チャネルフィードバックU-Net(hybridsuperviseddual-channelfeedbackU-Net、HSDF-U-Net)アルゴリズムを提案し、乳腺超音波画像分割の精度を向上させた。【方法】HSDF-U-Netは,自己教師つき学習と教師つき分割を融合することによって,ハイブリッド監視学習を実現し,さらに,二重チャネルフィードバックU-Netネットワークを,画像分割精度を向上するために設計した。標識データの限界を改善するために,まず第一に,自己教師つき学習フレームワークに基づいて,エッジ回復の補助的タスクを設計し,次に,エッジ回復の支援タスクを設計し,次に,画像セグメンテーションタスクに移すために,より強力な事前訓練モデルを,次に,画像セグメンテーションの能力を強化するために,提案した。補助エッジ回復タスクとダウンストリーム分割タスクの表現のために,循環機構を古典的U-Netネットワークに導入し,フィードバックの出力結果を他のチャネルに再送信することによって,二重チャネル符号器を構成し,次に,より正確なセグメンテーション結果を復号化した。【結果】HSDF-U-Netアルゴリズムの性能を,2つの公開された乳腺超音波画像分割データセットにおいて評価した。HSDF-U-NetはDatasetBデータセットの画像分割に対して感度0.8480,Dice0.8261,平均対称表面距離5.81の結果を得た。DatasetBUSI(breastultrasoundimages)データセットにおいて、感度が0.8039、Diceが0.8031、平均対称表面距離が6.44の結果が得られた。典型的なU-Netセグメンテーションアルゴリズムと比較して,上記の結果は,上記の結果を改良した。【結論】HSDF-U-Netアルゴリズムは,乳房超音波画像における病巣セグメンテーションの精度を改善し,潜在的応用価値を有する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】
