深いICE:MRI頭蓋内空洞抽出のための深層学習アプローチ【JST・京大機械翻訳】

Manjon Jose V.; Romero Jose E.; Vivo-Hernando Roberto; Rubio-Navarro Gregorio; De la Iglesia-Vaya Maria; Aparici-Robles Fernando; Coupe Pierrick

プレプリント

J-GLOBAL ID：202202206999825887 整理番号：22P0101434

深いICE:MRI頭蓋内空洞抽出のための深層学習アプローチ【JST・京大機械翻訳】

Deep ICE: A Deep learning approach for MRI Intracranial Cavity Extraction

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 (7件)： , , , , , ,
資料名：
発行年： 2020年01月16日プレプリントサーバーでの情報更新日： 2020年01月16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)

MRIデータから正規化した局所脳容積を測定する自動法は,多くの神経疾患の客観的診断および追跡を助ける重要なツールである。そのような局所脳容積を推定するために,頭蓋内空洞容積は正規化のために一般的に使用される。本論文では,ボリューム3D畳み込みニューラルネットワークを用いて頭蓋内空洞を自動的にセグメンテーションするための正確で効率的なアプローチと,現代のGPUsの教師つきセグメンテーションとメモリ限界で利用可能な従来の低数の訓練事例を取り扱うために特別に適応した新しい3Dパッチ抽出戦略を提示した。提案方法を最近の最先端の方法と比較し,結果は計算負荷に関して優れた精度と改善された性能を示した。【JST・京大機械翻訳】

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

医用画像処理

, , , ,

前のページに戻る