文献

J-GLOBAL ID：202102247766590562   整理番号：21A0007488

Uネットネットワークとエッジ損失に基づく脳MRIの意味論的セグメンテーション【JST・京大機械翻訳】

Semantic Segmentation of Brain MRI Based on U-net Network and Edge Loss

著者 (2件)： Wang Zude (IoT school, Jiangnan University,Wuxi,China) ,  Zhang Leixin (IoT school, Jiangnan University,Wuxi,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DCABES  ページ： 154-157  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： 脳MRI分析は,患者からの臨床情報を抽出し,医師に対する診断推奨を提供するため,大きな意義がある。しかしながら,脳MRIは,その複雑な構造と大きな差異のため,検出とセグメントを検出するのが難しい。これらの問題に対処するため,医用画像意味セグメンテーションの分野で,深さニューラルネットワークモデルにおけるUネット構造に基づくモデルは,優れた性能を有する。本研究では,セグメンテーション結果に対する画像エッジ画素の影響を増加させ,医用画像セグメンテーションの精度を改善するために,医用画像意味セグメンテーションに適用できるより最適化されたUネットモデルを提供した。モデルは,畳込みブロック注意モジュールを統合し,特徴抽出の後,エッジ検出ネットワークと結合して,エッジ画素のセグメンテーション効果を強化した。同時に,残差畳込みブロックを改良することによって,パラメータの量は大いに減少した。BraTS-2017データセットでは,良好な実験結果を得た。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： 最適化 ,  畳込み ,  *意味論 ,  *セグメンテーション ,  *ネットワーク ,  特徴抽出 ,  残差 ,  画素 ,  ネットワーク構造 ,  医用画像 ,  エッジ検出
準シソーラス用語： 神経回路網モデル ,  *頭部MRI ,  臨床情報 ,  医用画像セグメンテーション , 【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 (6件)： ネット ,  エッジ ,  損失 ,  脳MRI ,  意味論 ,  セグメンテーション