文献

J-GLOBAL ID：202102286564098319   整理番号：21A2163688

高密度U-Net:肺野セグメンテーションのための新しい密結合CNN【JST・京大機械翻訳】

Dense-U-Net: A novel densely connected CNN for lung fields segmentation

著者 (6件)： Li Yuqin (Computer Science and Technology Changchun University of Science and Technology,Changehun,China) ,  Jiang Zhengang (Computer Science and Technology Changchun University of Science and Technology,Changehun,China) ,  Zhang Ke (Computer Science and Technology Changchun University of Science and Technology,Changehun,China) ,  Shi Weili (Computer Science and Technology Changchun University of Science and Technology,Changehun,China) ,  He Fei (Computer Science and Technology Changchun University of Science and Technology,Changehun,China) ,  Liu Jianhua (The Second Hospital of Jilin University Jilin University,Changehun,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICVRV  ページ： 128-131  発行年： 2020年 
JST資料番号： W2441A  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： コンピュータ診断(CAD)は,その早期診断と肺疾患の正確な治療から恩恵を受ける。正確で信頼できる肺野セグメンテーションは,更なる診断と治療に便利である必要条件である。しかしながら,肺野の重畳領域および異なる患者間の変化した形状のため,外観および空間での一貫性を確実にすることは困難である。さらに,深層学習モデルはコンピュータビジョンにおいて高性能を達成したが,訓練過程中に多数のパラメータを生成し,メモリ利用を増加させた。本論文では,新しい高密度接続CNN(Dense-U-Net)を提案し,モデルネットワークを通して情報フローを増加させ,異なる層間の高密度接続を利用して冗長性を低減した。このネットワークは2種類の高密度接続を採用し,より小さな数のパラメータを持つモデルを設計する。JSRTデータセットに関するいくつかの以前の方法と比較して,提案方法は,異なる評価指標による肺場セグメンテーションのためのより高い性能を示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  畳込み ,  冗長性 ,  *セグメンテーション ,  ネットワーク ,  計算機診断 ,  コンピュータビジョン ,  必要条件 ,  肺疾患 ,  早期診断
準シソーラス用語： 高密度 ,  情報フロー ,  評価指標 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： U-Net ,  肺野 ,  セグメンテーション ,  CNN