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。
自動および正確な病変セグメンテーションは,脳卒中疾患の病変状態を臨床的に推定し,適切な診断システムの開発に重要である。既存の方法は顕著な結果を達成したが,モデルのさらなる採用は妨げられる。(1)クラス分け,正常脳組織は外観の病変に似ている。(2)クラス内不整合,大きな変動が病変の異なる領域間に存在する。ストロークセグメンテーションにおけるこれらの課題を解決するため,本論文では,新しい方法,すなわち,注意誘導マルチスケール回復フレームワーク(AGMR-Net)を提案した。最初に,符号化における粗粒パッチ注意モジュールを採用して,マルチステージ明示的教師つき方法でパッチベース粗粒注意マップを得て,クラス内不整合の影響を除去するパッチベース重み付け技法によるターゲット空間コンテキスト顕著性表現を可能にした。第2に,より詳細な境界分割を得るために,クラス間分類の課題を解決するため,新しく設計した交差次元特徴融合モジュールを用いて,2Dと3D特徴の選択的凝集をさらに誘導し,2D畳込みの境界学習能力の欠如を補償できる大域的文脈情報を捕捉した。最後に,復号化段階において,線形補間の代わりに革新的設計マルチスケールデコンボリューションアップサンプリングは,ターゲット空間と境界情報の回復を強化する。AGMR-Netは,Lession-Stroke(ATLAS)のオープンデータセットAnamical Tracingsで評価され,最大ジセ類似性係数(DSC)スコアが0.594,Hausdorff距離が27.005mm,平均対称性表面距離が7.137mmであり,著者らの提案方法が他の最先端の方法よりも優れ,ストロークの診断において大きな可能性を有することを示した。”この報告は,他の最先端の方法よりも性能が高く,また,ストロークの診断において大きな潜在能力を有することを実証したものであることを示した。”その方法”は,他の最先端の手法よりも,最大2つの類似度係数(DSC)スコアが,0.594,Hausdorff距離が27.005mm,および平均対称性表面距離が7.137mmであった。【JST・京大機械翻訳】
