単一MRモダリティを解く【JST・京大機械翻訳】

Zuo Lianrui; Liu Yihao; Xue Yuan; Han Shuo; Bilgel Murat; Resnick Susan M.; Prince Jerry L.; Carass Aaron

プレプリント

J-GLOBAL ID：202202201362070252 整理番号：22P0347127

単一MRモダリティを解く【JST・京大機械翻訳】

Disentangling A Single MR Modality

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年05月10日プレプリントサーバーでの情報更新日： 2022年05月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

医用画像からの解剖学的およびコントラスト情報の障害は最近注目され,様々な画像解析タスクに対する利点を実証している。現在の方法は,同じ基礎となる解剖学または補助ラベル(例えば,手動描写)を有する対マルチモーダル画像を用いて,もつれた表現を学習し,非もつれのための誘導バイアスを提供する。しかし,これらの要求はデータ収集の時間とコストを著しく増加させ,そのようなデータが利用できない場合,これらの方法の適用性を制限する。さらに,これらの方法は,一般的には解角を保証しない。本論文では,単一モダリティ磁気共鳴画像から理論的および実際的に優れた解答を学習する新しいフレームワークを提案した。さらに,新しい情報ベースメトリックを提案し,もつれを定量的に評価する。既存の分散法との比較は,提案方法が,もつれと交差領域画像-画像変換タスクの両方において優れた性能を達成することを実証した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , 【Automatic Indexing@JST】

医用画像処理

前のページに戻る