文献

J-GLOBAL ID：202102278160009992   整理番号：21A0344074

点ベース相互作用による対話型医用画像セグメンテーション【JST・京大機械翻訳】

Interactive medical image segmentation via a point-based interaction

著者 (11件)： Zhang Jian (State Key Laboratory for Novel Software Technology, Nanjing University, China) ,  Shi Yinghuan (State Key Laboratory for Novel Software Technology, Nanjing University, China) ,  Shi Yinghuan (National Institute of Healthcare Data Science, Nanjing University, China) ,  Sun Jinquan (State Key Laboratory for Novel Software Technology, Nanjing University, China) ,  Wang Lei (School of Computing and Information Technology, University of Wollongong, Australia) ,  Zhou Luping (School of Electrical and Information Engineering, University of Sydney, Australia) ,  Gao Yang (State Key Laboratory for Novel Software Technology, Nanjing University, China) ,  Gao Yang (National Institute of Healthcare Data Science, Nanjing University, China) ,  Shen Dinggang (School of Biomedical Engineering, ShanghaiTech University, China) ,  Shen Dinggang (Shanghai United Imaging Intelligence Co., Ltd., China) ,  Shen Dinggang (Department of Artificial Intelligence, Korea University, Republic of Korea)
資料名： Artificial Intelligence in Medicine  (Artificial Intelligence in Medicine)
巻： 111  ページ： Null  発行年： 2021年 
JST資料番号： T0685A  ISSN： 0933-3657  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： 低組織コントラスト,不規則な形状,および大きな位置分散のため,異なる医用イメージング様式(例えば,CT,MR)から対象をセグメント化することは,重要だが挑戦的な課題と考えられている。本論文では,次のメリットを持つ対話型医用画像セグメンテーションのための新しい手法を提案した。(1)その設計は,以前の純粋なパッチベースおよび画像ベースのセグメンテーション方法と基本的に異なる。描写の間,医師は,境界を決定するために,物体内部から外部物体までの強度を繰り返しチェックし,それは,内部アウト法における比較が非常に重要であることを示した。従って,この方法は,オブジェクトの与えられた中心点から開始(または終了)を開始する双方向逐次パッチの表現を学習するものとして,セグメンテーションタスクを革新的にモデル化する。これは,ゲート付きメモリ伝搬ユニットを埋め込んだ提案したConvRNNネットワークによって実現できる。(2)以前のインタラクティブ方法(結合ボックスまたはシードポイント)と異なり,提案方法は,分割の前にオブジェクトの粗い中心点に単にクリックするだけの医師を問うだけであり,それは同時に性能を強化して,セグメンテーション時間を減らすことができた。(3)この方法を,より良い性能のためのマルチレベルフレームワークにおいて利用した。CT腎臓腫瘍,MR前立腺およびPROMISE12チャレンジを含む3つの異なるセグメンテーションタスクで系統的に評価し,最先端の方法と比較して有望な結果を示した。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： 記憶装置 ,  コントラスト ,  *相互作用 ,  学習 ,  *セグメンテーション ,  ネットワーク ,  前立腺 ,  腎臓腫瘍
準シソーラス用語： マルチレベル ,  *対話型 ,  *医用画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (3件)： 点ベース相互作用 ,  逐次パッチ学習 ,  医用画像セグメンテーション

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 点 ,  相互作用 ,  対話型 ,  医用画像セグメンテーション