文献

J-GLOBAL ID：202102280242392534   整理番号：21A0178572

モノおよびマルチモダリティレジストレーションのための微分同相的教師なし深層学習モデル【JST・京大機械翻訳】

Diffeomorphic unsupervised deep learning model for mono- and multi-modality registration

著者 (2件)： Theljani Anis (EPSRC Liverpool Centre for Mathematics in Healthcare, University of Liverpool, Liverpool, UK) ,  Chen Ke (Department of Mathematical Sciences and EPSRC Liverpool Centre for Mathematics in Healthcare, University of Liverpool, Liverpool, UK)
資料名： Journal of Algorithms & Computational Technology  (Journal of Algorithms & Computational Technology)
巻： 14  ページ： 1748302620973528  発行年： 2020年 
JST資料番号： W5270A  ISSN： 1748-3018  資料種別： 逐次刊行物 (A)
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： 画像セグメンテーションと異なり,画像レジストレーションのための深層学習ネットワークの開発は,訓練データが,自明でない(例えば,事前設計アフィン変換)ならば,人間によって準備または監督できないので,より簡単ではない。教師なし深い希薄化モデルのための1つのアプローチは,画像類似性計量と正則化項を有する損失関数に基づくネットワークによって変形場を自己トレインすることにある。そのような関数は,空間的に滑らかで妥当な解を得るために,導関数の平滑化制約と変換の決定因子の制約から成る。いかなる変分モデルも深層学習アルゴリズムで動作するために使用できるが,その課題はロバスト性の達成にある。提案したアルゴリズムは,最初に新しいロバストな変分モデルに基づいて訓練され,合成および実際のモノモーダル画像上でテストされた。結果は,それが大きな変形登録問題を扱う方法を示して,折りたたみのないリアルタイム解法に導いた。次にそれをマルチモーダル画像に一般化した。学習と非学習モデルとの実験と比較は,この方式が良好な性能を配送し,同時に正確な拡散形態変換を生成することを示した。Copyright The Author(s) 2020 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 ,  最適化 ,  *学習モデル ,  損失関数 ,  ネットワーク ,  折畳み ,  平滑化 ,  正則化 ,  導関数 ,  ロバスト性 ,  アフィン変換 ,  学習アルゴリズム
準シソーラス用語： 訓練データ ,  画像セグメンテーション ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  最適化 ,  類似性測度 ,  マッピング ,  逆問題 ,  画像レジストレーション

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 微分同相 ,  教師 ,  深層学習 ,  モデル