欠損モダリティを有するMRI画像における医用画像セグメンテーション:レビュー【JST・京大機械翻訳】

Azad Reza; Khosravi Nika; Dehghanmanshadi Mohammad; Cohen-Adad Julien; Merhof Dorit

プレプリント

J-GLOBAL ID：202202210326057907 整理番号：22P0302867

欠損モダリティを有するMRI画像における医用画像セグメンテーション:レビュー【JST・京大機械翻訳】

Medical Image Segmentation on MRI Images with Missing Modalities: A Review

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： 2022年03月11日プレプリントサーバーでの情報更新日： 2022年03月11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)

磁気共鳴映像法(MRI)における欠損様式の治癒と,それらの負の再病変を克服することは,生物医学イメージングにおけるハードルと考えられている。スキャンされたシナリオと解剖学的部分に依存して選択される特定のセットのモダリティの組合せは,人体における関心領域に関する完全な情報を有する医療実務者を提供し,従って,欠損MRIシーケンスは再燃されるべきである。1つ以上の様式の欠如による有用な情報の喪失の悪影響の補償は,特に腫瘍セグメンテーション,組織分類,および画像生成を含む医用画像処理タスクに対して,コンピュータビジョンの分野でよく知られた課題である。この問題の負の含意を緩和するために様々なアプローチが開発されており,この文献のレビューは,そのように探索するネットワークのかなりの数を通している。一般的潜在空間モデル,知識蒸留ネットワーク,相互情報最大化,および生成敵対ネットワーク(GAN)のような深層学習を展開する,合成方法および後のアプローチのような以前の技術を含めて,本研究でレビューしたアプローチを詳細にレビューした。本研究は,この書き込み時に提供された最も重要なアプローチを議論し,各ものの新規性,強度および弱点を調べた。さらに,最も一般的に使用されるMRIデータセットを強調し,記述した。本研究の主目的は,欠落様式補償ネットワークの性能評価を提供し,この問題を扱うための今後の戦略を概説することである。【JST・京大機械翻訳】

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

医用画像処理

, , , ,

前のページに戻る