抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
3D磁気共鳴(MR)画像における椎体(VB)および椎間板(IVDs)の自動セグメンテーションは,脊椎疾患の診断および治療に重要である。しかし,VBsとIVDsを同時にセグメント化することは,自明ではない。さらに,異方性分解能,高計算コスト,クラス間類似性およびクラス内変動,およびデータ不均衡に起因するぼけ分割を含む問題が存在する。半教師つきハイブリッド脊椎ネットワーク(SSHSNet)と名付けた2段階アルゴリズムを提案し,正確な同時VBとIVDセグメンテーションを達成することにより,これらの問題に対処した。第一段階では,交差擬似監視を用いて2D半教師つきDeepLabv3+を構築し,スライス内特徴と粗いセグメンテーションを得た。第2段階では,3D完全分解能パッチベースのDeepLabv3+を構築した。このモデルを用いて,スライス間情報を抽出し,第1段階から提供される粗いセグメンテーションとスライス内特徴を組み合わせることができた。さらに,2Dと3Dネットワークから別々に生成されたインタースライスとイントラスライス情報の損失を補償するためにクロストリアテンションモジュールを適用し,それによって特徴表現能力を改善し,満足なセグメンテーション結果を達成した。提案したSSHSNetを公的に利用可能な脊椎MR画像データセット上で検証し,顕著なセグメンテーション性能を達成した。さらに,結果は,提案方法がデータ不均衡問題を扱う際に大きい可能性を有することを示した。以前の報告に基づき,脊椎セグメンテーションのための交差注意機構による半教師つき学習戦略を組み込んだ研究はほとんどない。したがって,提案方法は脊椎疾患診断および治療において臨床的に脊椎セグメンテーションおよび援助に役立つツールを提供する可能性がある。コードはhttps://github.com/Meiyan88/SSHSNetで公開されている。【JST・京大機械翻訳】