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。
定量的UltraSound(QUS)は臨床スキャナからの後方散乱エコー信号を用いて組織微細構造に関する情報を明らかにすることを目的とする。異なるQUSパラメータの中で,散乱体数密度は,他のQUSパラメータの推定に影響を与える重要な特性である。散乱体数密度は,高または低散乱体密度に分類することができる。分解能セル内に10以上の散乱体が存在するならば,エンベロープデータは,Develooped Specle(UDS)として,完全Develooped Specle(FDS)として考慮された。従来手法では,エンベロープデータを小さな重複ウィンドウ(ここではパッチングと呼ぶ戦略)に分割し,SNRや歪のような統計的パラメータを用いて,エンベロープデータの各パッチを分類した。しかし,これらのパラメータは,それらの分布が画像設定とパッチサイズによって変化することができるシステムに依存する意味である。したがって,既知の散乱体数密度を持つ参照ファントムを,システム依存性を緩和するために同じイメージング設定で画像化した。本論文では,パッチングなしに超音波データのセグメントを分割することを目的とする。高速シミュレーション法を用いて,散乱体数密度と平均散乱体振幅の異なる形状を持つ大きなデータセットを生成した。セグメンテーションタスクのために畳み込みニューラルネットワーク(CNN)を採用し,ネットワークを異なる画像設定で異なるデータセットでテストするとき,ドメインシフトの影響を調べた。性能を改善するために,マルチタスク学習のために,Nakagamiパラメトリック画像を採用した。さらに,QUSにおける参照ファントム法に触発されて,FDSとUDSクラスからのデータの2つのフレームだけを必要とするAドメイン適応段階を提案した。異なる実験ファントムとin vivoデータに対するこの方法を評価した。【JST・京大機械翻訳】