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。
自然システムの画像は,ネットワーク様構造のパターンを表し,それは,根底にある主題のトポロジー特性に関する重要な情報を明らかにすることができた。しかし,画像自体は,ノードとエッジの集合に関してネットワークの形式的定義を自動的に提供しない。代わりに,この情報は生画像データから適切に抽出されるべきである。これに動機づけられて,スケーラブルで効率的な画像からネットワークトポロジーを抽出するための原理モデルを提示する。この目標を,解が,操作上のコストとインフラストラクチャーのコストで解釈できるエネルギー関数を最小化するネットワークである,ルーティング最適化問題を解決するため,この目標をマッピングする。この方法は,最適輸送理論からの最近の結果に依存し,発見的方法に基づく標準画像処理技術に対する原理的代替である。網膜血管系,スライム型および河川網の実画像に関する著者らのモデルを試験し,画像処理技術を組み合わせたルーチンと比較した。結果を,抽出で保存された情報量に関連する類似性測度に関して試験した。著者らは,著者らのモデルが,手でラベル付けされたものとより類似する網膜血管ネットワーク画像からネットワークを見つけ,一方,利用可能な地上の真実がない河川とスライム型の画像からネットワークを抽出する際に,高性能を与えることを見出した。すべての画像にフィットするユニークな方法はないが,著者らのアプローチはデータセットを通して一貫して実行して,そのアルゴリズム実用化は効率的であり,わずかな監視によっていくつかのデータセットに関して実行するために完全に自動化することができた。【JST・京大機械翻訳】
