文献

J-GLOBAL ID：202102275721314520   整理番号：21A2447493

隣接領域の相互排除に基づく二重レベルセットセグメンテーションモデルと脳MR画像への応用【JST・京大機械翻訳】

Double level set segmentation model based on mutual exclusion of adjacent regions with application to brain MR images

著者 (4件)： Yang Yunyun (School of Science, Harbin Institute of Technology, Shenzhen, China) ,  Xie Ruicheng (School of Science, Harbin Institute of Technology, Shenzhen, China) ,  Jia Wenjing (School of Science, Harbin Institute of Technology, Shenzhen, China) ,  Zhao Gang (General Hospital of Southern Theater Command, PLA, Guangzhou, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 228  ページ： Null  発行年： 2021年 
JST資料番号： T0426A  ISSN： 0950-7051  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： 画像における隣接領域の正確なセグメンテーションは画像処理における最大の課題の一つである。本論文では,相互排除に基づく二重レベル集合セグメンテーションモデルを導入し,隣接領域を正確かつ独立にセグメント化できる。交差領域の生成を避けて,隣接領域の独立性を確実にするため,モデルは2つのレベル集合関数を用いて,2つのレベル集合関数によってセグメント化された関節領域の領域に従って隣接領域の相互排除条件を定義した。さらに,事前情報としてターゲット領域の近似輪郭を手動で設定し,エネルギー汎関数における事前制約を定義して,このモデルが組織を望んだ組織を区分することを確認した。データ項,相互排除項,事前制約項,長さ項および正則化項を結合して,著者らは,この二重レベル集合エネルギー汎関数のレベル集合定式化を与えて,そのエネルギー最小化問題を解くために勾配降下アルゴリズムを適用した。脳MR画像に二重レベルセットモデルを適用して,実験結果は,このモデルが脳で隣接組織を正確かつ独立してセグメント化できることを示した。他のモデルとの比較実験結果は,二重レベル集合モデルが隣接組織のセグメンテーションにおいて古典的モデルより高い精度を有することを示した。さらに,合成画像に関する実験は,二重レベル集合モデルが強度不均一性を有する画像を正確にセグメント化することができ,雑音に対してロバストであることを示した。コードはhttps://github.com/ruicx/Mutual-Exclusion-Level-Set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 ,  雑音 ,  *セグメンテーション ,  近似法 ,  画像処理 ,  正則化 ,  *NMRイメージング ,  定式化 ,  ロバスト性 ,  *相互排除
準シソーラス用語： 事前知識 ,  エネルギー最小化 ,  画像セグメンテーション ,  レベルセット法 ,  エネルギー汎関数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 相互排除項 ,  アクティブ輪郭 ,  画像セグメンテーション ,  レベルセット法

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 隣接領域 ,  相互排除 ,  脳 ,  MR画像 ,  応用