文献

J-GLOBAL ID：202102265973462584   整理番号：21A2098203

U-Netオートエンコーダを用いた3D構造MRIからの脳腫瘍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 Tumor from 3D Structural MRI Using U-Net Autoencoder

著者 (4件)： FARZANA MAISHA (BRAC University,Department of Computer Science and Engineering,Dhaka,Bangladesh) ,  HOSSAIN ANY MD. JAHID (BRAC University,Department of Computer Science and Engineering,Dhaka,Bangladesh) ,  REZA MD TANZIM (BRAC University,Department of Computer Science and Engineering,Dhaka,Bangladesh) ,  PARVEZ MOHAMMAD ZAVID (BRAC University,Department of Computer Science and Engineering,Dhaka,Bangladesh)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICMLC  ページ： 137-142  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： 3D MRI画像からの脳腫瘍の自動意味的セグメンテーションは,医用画像処理,モニタリングおよび診断において重要な役割を果たす。これらの脳腫瘍の早期検出は,異常の治療,診断および外科的プレプラニングのために非常に必要条件である。医師は,通常,時間がかかり,解剖学の多くの知識を必要とする腫瘍の診断のための描写の手動の方法に従う。これらの限界を解決するため,腫瘍の重要な特徴を抽出することにより,3D MRI脳画像から脳腫瘍の自動セグメンテーションを行う,畳み込みニューラルネットワーク(CNN)に基づくU-Net自動エンコーダモデルを提案した。さらに,画像正規化,画像増強,画像二値化などをデータ前処理に適用した。その後,モデルを新しい3D MRI脳画像に適用し,その精度を試験した。提案した方法を適用して,精度を18人の被験者を考慮して96.06%まで得た。最後に,このアプローチは,より良い診断のために医師を助けるかもしれない他の既存のモデルと比較して,MRI脳画像から腫瘍領域をセグメント化するためのよく構造化されたモデルであり,従って,より精密な治療と患者へのより良い治療のためにドアを開ける。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： *意味論 ,  *セグメンテーション ,  *腫瘍 ,  *脳腫瘍 ,  解剖学 ,  *三次元 ,  画像強調 ,  必要条件
準シソーラス用語： 被験者 ,  脳画像 ,  三次元MRI ,  二値化 ,  医用画像処理 ,  自動セグメンテーション ,  畳込み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 (7件)： U-Net ,  オートエンコーダ ,  3D ,  構造MRI ,  脳腫瘍 ,  意味論 ,  セグメンテーション