文献

J-GLOBAL ID：202202215979225103   整理番号：22A0067190

RAU:残存注意U-NetによるCOVID-19肺炎の解釈可能な自動感染診断【JST・京大機械翻訳】

RAU: An Interpretable Automatic Infection Diagnosis of COVID-19 Pneumonia with Residual Attention U-Net

著者 (3件)： Chen Xiaocong (The University of New South Wales, Sydney, NSW, Australia) ,  Yao Lina (The University of New South Wales, Sydney, NSW, Australia) ,  Zhang Yu (Leihigh University, Bethlehem, PA, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13081  ページ： 122-136  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 新規コロナウイルス病2019(COVID-19)は世界中で急速に広がり,公衆衛生と経済に重要な影響を与える。しかし,COVID-19に起因する異なる肺感染領域を効果的に定量化する研究はまだ不足している。診断フレームワークの基本的ではあるが挑戦的な課題として,コンピュータ断層撮影(CT)画像における感染領域を識別し,放射線科医が感染の重症度を迅速に決定することを助ける。この目的のために,複数のCOVID-19 Pneumoniaの自動化感染診断のための新しい深層学習アルゴリズムを提案した。特に,集約された残差ネットワークを用いて,ロバストで表現的な特徴表現を学習し,COVID-19の様々な症状を識別するためのモデルの能力を改善するために,ソフトな注意機構を適用した。公開CT画像データセットにより,提案方法は,選択したベースラインより14.6%高い0.91DSCを達成した。実験結果は,COVID-19胸部CT画像の自動セグメンテーションのための提案モデルの優れた性能を実証した。本研究は,CT画像におけるCOVID-19肺感染の定量的診断を容易にするための基礎を築くための有望な深層学習に基づくセグメンテーションツールを提供する。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  セグメンテーション ,  ネットワーク ,  残差 ,  *肺炎 ,  公衆衛生 ,  基準線 ,  深層 ,  ロバスト性 ,  計算機トモグラフィー ,  学習アルゴリズム
準シソーラス用語： CT画像 ,  胸部CT画像 ,  自動セグメンテーション ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 自動セグメンテーション ,  COVID-19 ,  コンピュータ断層撮影 ,  深層学習

分類 (5件)： 感染症・寄生虫症の診断  (GD01020S) ,  感染症・寄生虫症一般  (GD01010H) ,  放射線を利用した診断  (GC04020K) ,  呼吸器の診断  (GI02000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 残存 ,  注意 ,  U-Net ,  COVID-19 ,  肺炎 ,  感染診断