文献

J-GLOBAL ID：202102230381396965   整理番号：21A3174800

生成敵対ネットワークとAtrous畳込みに基づく新しい3D MRIセグメンテーション法【JST・京大機械翻訳】

A new 3D MRI segmentation method based on Generative Adversarial Network and Atrous Convolution

著者 (2件)： Celik Gaffari (Agri Ibrahim Cecen University, Department of Computer Technology, Agri, Turkey) ,  Talu Muhammed Fatih (Inonu University, Department of Computer Science, Malatya, Turkey)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 71  号： PA  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： MRIスキャンにおいて脳構造をセグメント化するために多くのアルゴリズムが提案されてきたが,同じデータセットにおける異なるアルゴリズムの比較はほとんどなされていない。多くの方法は,民間に開催されたデータでまだ実行され,以前のバージョンとの比較を含む。本研究の目的は,新しいGenerative Adversarial Network(GAN)ベースのセグメンテーションアーキテクチャを導入することである。T1w様式の3D-MRIスキャンの脳組織を3(GM,WM,CSF)と8(CGM,BG,WM,WMH,CF,VE,CE BS)部分に分割した。提案した手法(Vol2SegGAN)は前処理とセグメンテーションの二つの部分から成る。前処理は,脳領域の抽出,データセットにおけるラベルの編集,MNI152登録,クリッピング/サンプリングを含む。セグメンテーション部分は,発電機(ACFPとPAMモジュールを含む)と識別器(実際の/偽造)アーキテクチャの協調によって実行される。3つの部分セグメンテーションプロセスにおいて,提案方法は,DiceとVS計量に従って,CSF(Dice=0.739,VS=0.967),GM(Dice=0.878,HD=2.378)とWM(HD=2.105)組織の最良のセグメンテーション成功と,WM(Dice=0.793,VS=0.972)組織の第2の最良のセグメンテーション成功を示した。同様に,8つの部分のセグメンテーションにおいて,それはVSとHD計量に従って最良の成功を持ち,そして,Dice計量に従って二番目に最良であった。既存のアーキテクチャよりも少ないパラメータ(6883mil.)を有するVol2SegGANは,サンプル3D-MRIを分割するために,平均11~12s(CPU)または0~1s(GPU)を有する。提案アーキテクチャの実装コードは,ギトブページ上で利用可能である。Copyright 2021 Elsevier B.V., Amsterdam. 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 ,  *畳込み ,  弁別器 ,  *セグメンテーション ,  *ネットワーク ,  前処理 ,  *三次元 ,  計算機アーキテクチャ
準シソーラス用語： クリッピング ,  三次元MRI ,  改竄 ,  脳組織 ,  脳領域 ,  脳構造 , 【Automatic Indexing@JST】

著者キーワード (5件)： 脳セグメンテーション ,  3D MRIスキャン ,  GAN ,  ACFP ,  PAM

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 敵対 ,  畳込み ,  3D ,  MRI ,  セグメンテーション