文献

J-GLOBAL ID：202102257430660806   整理番号：21A0068061

挑戦するミエリン鞘の深層学習に基づくセグメンテーション【JST・京大機械翻訳】

Deep-learning based segmentation of challenging myelin sheaths

著者 (6件)： Couedic Thomas Le (Institut Superieur d’Electronique de Paris (ISEP) Student Digital & health course,Paris,France) ,  Caillon Raphael (Software engineering course,Paris,France) ,  Rossant Florence (ISEP,Paris,France) ,  Joutel Anne (Institute of Psychiatry and Neuroscience of Paris (IPNP),Paris,France) ,  Urien Helene (ISEP,Paris,France) ,  Rajani Rikesh M. (University of Paris & IPNP,Paris,France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IPTA  ページ： 1-6  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： 電子顕微鏡画像における軸索およびミエリンのセグメンテーションは,神経科医が軸索の密度およびそれらを取り囲むミエリンの厚さを強調することを可能にする。これらの特性は,白質疾患の予防および予測にとって非常に興味深い。このタスクは一般的に手動で行われ,それは長くて退屈なプロセスである。機械学習によるセグメンテーションの計算に用いる方法の更新を示した。本モデルはU-Netネットワークのアーキテクチャに基づいている。この主な貢献は,UNetネットワークの符号器部分における転送学習と,セグメンテーション時の試験時間増大を用いることにある。ImageNet2012データセット上で事前訓練されたSE-Resnet50バックボーン重みを用いた。著者らは,対応する分割マスクを有する23の画像のデータセットを用いて,それはまた,その非常に小さいサイズのために挑戦的であった。結果は,試験画像で92%の平均精度を有する最先端技術と比較して非常に有望な性能を示した。また,利用可能な試料が脳梁における高齢マウスから取られることは注目に値する。これは,健康な個人の脊髄または視神経から採取されたサンプルを有する関連研究と比較して,より良い輪郭およびより少ないデブリで,更なる困難を示した。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： *学習 ,  *セグメンテーション ,  ネットワーク ,  軸索 ,  脊髄 ,  *ミエリン ,  符号器 ,  視神経 ,  *髄鞘 ,  脳梁 ,  白質 ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ミエリン鞘 ,  深層学習 ,  セグメンテーション