マルチモーダル医療セグメンテーションマップのための形状無矛盾生成敵対ネットワーク【JST・京大機械翻訳】

Segre Leo; Hirschorn Or; Ginzburg Dvir; Raviv Dan

プレプリント

J-GLOBAL ID：202202212259690600 整理番号：22P0278853

マルチモーダル医療セグメンテーションマップのための形状無矛盾生成敵対ネットワーク【JST・京大機械翻訳】

Shape-consistent Generative Adversarial Networks for multi-modal Medical segmentation maps

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 (4件)： , , ,
資料名：
発行年： 2022年01月24日プレプリントサーバーでの情報更新日： 2022年02月04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)

不対データセットのためのドメインにわたる画像翻訳は,最近,興味と大きな改善を獲得した。医用イメージングにおいて,非常に異なる特性を有する複数のイメージング様式がある。著者らの目標は,意味的セグメンテーションのためのCTとMRI全体の心臓スキャンの間の交差モダリティ適応を使用することである。極めて限られたデータセットのために,合成心臓体積を用いたセグメンテーションネットワークを示した。この解は,モダリティ間の情報を共有し,不対データセットを用いて合成データを生成する3Dクロスモーダル生成敵対ネットワークに基づいている。このネットワークは,発電機形状一貫性を改善するために意味的セグメンテーションを利用し,従って,セグメンテーションネットワークを再訓練するとき,より現実的な合成ボリュームを生成する。生成的敵対ネットワークを改善するために空間増強を用いるとき,改良セグメンテーションを小さなデータセット上で達成できることを示した。これらの増強は発電機能力を改善し,従って,セグメントの性能を強化する。16のCTと16のMRI心血管容積のみを用いて,改善された結果を他のセグメンテーション法に対して示した。【JST・京大機械翻訳】

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

医用画像処理 , 人工知能

, , , ,

前のページに戻る