生物医学テクスチャ解析のための3D固体球状バイスペクトルCNN【JST・京大機械翻訳】

Oreiller Valentin; Andrearczyk Vincent; Fageot Julien; Prior John O.; Depeursinge Adrien

プレプリント

J-GLOBAL ID：202202204847964706 整理番号：22P0140241

生物医学テクスチャ解析のための3D固体球状バイスペクトルCNN【JST・京大機械翻訳】

3D Solid Spherical Bispectrum CNNs for Biomedical Texture Analysis

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 (5件)： , , , ,
資料名：
発行年： 2020年04月28日プレプリントサーバーでの情報更新日： 2020年06月02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)

局所回転不変(LRI)演算子は,パターンがランダム位置と方向に現れる生物医学テクスチャ解析において大きな可能性を示した。局所二値パターン(LBP)またはスケール不変特徴変換(SIFT)のような局所記述子の離散回転に対する応答を計算することにより,LRI演算子を得ることができた。他の戦略は,例えば,回転の離散化の間のサンプリング誤差の導入を防止するために,Gaussまたは操縦可能ウェーブレットのラプラシアンを用いて,この不変性を達成する。本研究では,球面調和基底上の画像の局所投影によりLRI演算子を得て,次に,スペクトルの不変性特性を共有し,拡張するバイスペクトルの計算を行った。3D画像解析のための浅い畳込みニューラルネットワーク(CNN)に埋め込まれたLRI層の設計におけるスペクトルに対するバイスペクトルの使用の利点を調べた。各設計の性能を2つのデータセットで評価し,標準3D CNNと比較した。第1のデータセットは,合成的に生成された回転パターンから成る3D体積で作られ,一方,第2は,コンピュータ断層撮影(CT)画像で悪性で良性の肺結節を含む。結果は,バイスペクトルCNNsがスペクトルおよび標準CNNの両方よりも3Dテクスチャのかなり良好な特性化を可能にすることを示した。さらに,標準畳込み層と比較して,より少ない訓練例と訓練可能なパラメータで効率的に学習できる。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, , , , , ,

前のページに戻る