文献

J-GLOBAL ID：202102281810717393   整理番号：21A0274047

低線量CT雑音除去のためのマルチスケール階層特徴融合生成敵対ネットワーク【JST・京大機械翻訳】

Multi-scale Hierarchy Feature Fusion Generative Adversarial Network for Low-Dose CT Denoising

著者 (5件)： Bai Ying (School of Computer Science and Technology Anhui University) ,  Zhao Haifeng (School of Computer Science and Technology Anhui University) ,  Zhang Shaojie (School of Computer Science and Technology Anhui University) ,  Nie Dong (Department of Computer Science University of North Carolina at Chapel Hill) ,  Tang Zhenyu (Beijing Advanced Innovation Center for Big Data and Brain Computing Beihang University)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICBBS ’20  ページ： 102-106  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： 画像ノイズは,低用量CT(LDCT)における固有の問題である。放射線量の増加はこの問題をある程度軽減できるが,患者への潜在的リスクももたらす。したがって,LDCT雑音除去は,研究者からますます注目を集めている。現在,符号器デコーダのような成功により,多くの深層学習ベースのLDCT雑音除去法が提案されてきた。本論文では,LDCT雑音除去のためのGANフレームワークの中で,新しいマルチスケール階層特徴融合ベースの符号器デコーダネットワークを提案する。特に,4段階マルチスケール拡張ブロックを導入し,高レベル特徴を有する低レベル特徴を統合した。従来のスキップ接続と比較して,低レベル特徴と高レベル特徴の間の意味ギャップを無視して,著者らの方法の利点は低レベル情報の効果的利用である。さらに,残差学習も採用して,ネットワークの訓練を強化した。公開データセットに関する実験結果は,視覚品質と定量的評価の両方の比較の下で,最先端の方法に関する著者らの方法の優位性を実証した。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： 学習 ,  *ネットワーク ,  復号器 ,  残差 ,  符号器 ,  放射線量 ,  *雑音除去
準シソーラス用語： 視覚品質 ,  *特徴融合 ,  深層学習 ,  画像雑音 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  エンコーダデコーダ ,  画像雑音除去 ,  低線量CT ,  Wasserstein GAN

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 低線量CT ,  雑音除去 ,  マルチスケール ,  階層 ,  特徴融合 ,  敵対