文献

J-GLOBAL ID：202102224897453808   整理番号：21A0442413

正確な生物医学画像セグメンテーションのための制約付きマルチスケール高密度接続【JST・京大機械翻訳】

Constrained Multi-scale Dense Connections for Accurate Biomedical Image Segmentation

著者 (4件)： Zhang Jiawei (Fudan University,Shanghai key Laboratory of Data Science; School of Computer Science,Shanghai,China) ,  Zhang Yanchun (Cyberspace Institute of Advanced Technology; Guangzhou University,Guangzhou,China) ,  Zhu Shanfeng (ISTBI and Shanghai Institute of Artificial Intelligence Algorithms; Fudan University,Shanghai,China) ,  Xu Xiaowei (Guangdong Cardiovascular Institute,Guangdong Provincial People’s Hospital,Guangzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BIBM  ページ： 877-884  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： 生物医学画像セグメンテーションは,臨床診断および医療介入において決定的役割を果たす。最近,多様な深層ニューラルネットワークは,多数のスケールでの豊富な表現を探索するために,高密度接続を採用する大きなマージンを有する医用画像セグメンテーション性能を高めた。マルチスケール高密度接続において,すべてのあるいはほとんどのスケールからの特徴を融合または反復的に凝集する。本論文では,正確な医用画像セグメンテーションのための制約付きマルチスケール高密度接続(CMDC)を提案し,それは,最も関連する外見または意味情報を含む最も近いスケールから特徴のみを融合する。CMDCに基づいて,CMDCを既存のセグメンテーションネットワークに適用することによって,さらに制約マルチスケール高密度ネットワーク(CMD-Net)を構築した。種々のアーキテクチャ(FCN-8s,U-Net,およびDeepLabV3)とデータセット(GlaS,CRAG,KID,およびECSを含む)にわたる実験は,CMD-Netが精度と効率の両方に関して既存の方式より優れているだけでなく,様々なセグメンテーションネットワークに容易に一般化できることを示した。さらに,CMD-Netは,2つのインスタンスセグメンテーションデータセット,GlaSおよびCRAGに関して最先端の性能を達成した。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 ,  ネットワーク ,  計算機アーキテクチャ
準シソーラス用語： *画像セグメンテーション ,  マルチスケール ,  意味情報 ,  *生物医学 ,  臨床診断 ,  高密度 ,  医用画像セグメンテーション ,  ディープ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 (5件)： 生物医学 ,  画像セグメンテーション ,  制約 ,  マルチスケール ,  高密度