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。
医用イメージングにおける多くの潜在的な応用に対して,生成敵対ネットワーク(GAN)が広く研究されている。データセットGANは,最新のGANに基づく最近提案されたフレームワークであり,高品質のセグメンテーション画像を合成することができ,一方,少数の注釈付き訓練画像のみを必要とする。合成された注釈付き画像は,セグメンテーション情報を有する画像を必要とする多くの医用イメージング応用に対して,潜在的に使用できる。しかし,著者らの知る限りでは,医学イメージングへの応用に焦点を絞った公表研究はない。本研究では,予備的研究を行い,医用イメージングにおけるデータセットGANの有用性を調べた。医用画像のユニークな特性を考慮して,元のデータセットGANフレームワークに3つの改良を提案した。データセットGANによる合成分割画像を視覚的に評価した。訓練されたデータセットGANは,予め定義された画像セグメンテーション技術の性能を評価することによってさらに分析され,それは合成データセットの利用によって訓練された。データセットGANの有効性,懸念,および潜在的利用を議論した。【JST・京大機械翻訳】