文献

J-GLOBAL ID：202102267444533149   整理番号：21A0274790

深層学習によるコンピュータシミュレーションに基づく肝線維症の検出【JST・京大機械翻訳】

Detection for Liver Fibrosis Based on Computer Simulation by Deep Learning

著者 (4件)： He MingSong (College of Computer Science, Sichuan University, Chengdu, Sichuan) ,  Yin Hao (College of Computer Science, Sichuan University, Chengdu, Sichuan) ,  Liu Paul (Stork Healthcare Co., Ltd Chuangye Road, Chengdu, Sichuan) ,  Liu Dong C. (College of Computer Science, Sichuan University, Chengdu, Sichuan)
資料名： ACM Proceedings  (ACM Proceedings)
号： RICAI 2020  ページ： 146-151  発行年： 2020年 
JST資料番号： D0698C  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： 肝線維は肝硬変の過程における中間で可逆的リンクであり,肝線維症の早期検出と介入は開発と予後にとって非常に重要である。肝臓線維のための一般的診断法の一つとして超音波は,簡便性,大きな精度およびロバスト性のような多くの利点を有する。しかし,超音波画像がデバイス特性,超音波と体組織間の相互作用,操作アプローチ,および他の制御不能因子によって必然的に影響を受けるので,主観的で均一な診断を得ることは難しい。そこで,超音波エコー振幅解析に基づく新しい肝線維症検出アルゴリズムおよびコンピュータシミュレーションデータにおける正常および線維症組織を分類するための深い学習を提案した。散乱体密度と肝線維症の間の関係を研究するために,著者らはランダム散乱体フィールドを作成して,点拡散関数で畳み出すことによって,種々の散乱体密度肝線維症超音波画像をシミュレートした。従来の統計解析とパラメータイメージングの検出と比較して,著者らはエコー振幅分布と画像灰色ヒストグラム分布のデータを用いて,CNNによってウィンドウのカテゴリーを分類した。結果は,CNNがパラメータイメージングより分類と予測においてより良い性能を提供できることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  超音波 ,  *計算機シミュレーション ,  肝硬変 ,  画像処理 ,  予後 ,  超音波画像 ,  散乱体 ,  点像分布関数 ,  ロバスト性 ,  *線維症 ,  *肝線維症
準シソーラス用語： 検出アルゴリズム ,  超音波エコー ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： CNN ,  検出 ,  肝線維症 ,  統計解析

分類 (2件)： 消化器の診断  (GH02000P) ,  生体計測  (EL03020C)

タイトルに関連する用語 (3件)： 深層学習 ,  コンピュータシミュレーション ,  肝線維症