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。
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】