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。
医用画像上の異常検出(AD)は,病変特異的教師つき学習なしに任意のタイプの異常パターンを認識するためのモデルを可能にする。データ増強に基づく方法は,実際の健康なものに「パッティング」偽病変によって擬似健康画像を構築し,ネットワークを訓練して,教師つき方法で健康な画像を予測した。病変は,不健康な入力と擬似健康出力の差によって見つけることができる。しかしながら,手動で設計された偽病変だけの使用は,不規則な実際の病変に近似できないので,モデル一般化を制限する。画像内の固有データ特性を探索することにより,非健康画像における健康領域から以前に見えない病変を識別することができる。本研究では,ADに対する健康特徴を蒸留するための適応Fourier空間圧縮(AFSC)モジュールを提案した。周波数領域における大きさと相の圧縮は,病変の超強度と多様な位置を扱う。BraTSとMS-SEGデータセットに関する実験結果は,AFSCベースラインが有望な検出結果を生み出すことができ,AFSCモジュールが既存のAD方法に効果的に埋め込むことができることを示した。【JST・京大機械翻訳】