文献

J-GLOBAL ID：202202216182451492   整理番号：22A0477885

IMIIN:3Dマルチモード乳房腫瘍セグメンテーションのためのモード間情報相互作用ネットワーク【JST・京大機械翻訳】

IMIIN: An inter-modality information interaction network for 3D multi-modal breast tumor segmentation

著者 (10件)： Peng Chengtao (Department of Electronic Engineering and Information Science, University of Science and Technology of China, Hefei 230026, China) ,  Peng Chengtao (Department of Computer Science and Engineering, University of Notre Dame, Notre Dame, IN 46556, USA) ,  Zhang Yue (College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China) ,  Zheng Jian (Suzhou Institute of Biomedical Engineering and Technology, CAS, Suzhou 215163, China) ,  Li Bin (Department of Electronic Engineering and Information Science, University of Science and Technology of China, Hefei 230026, China) ,  Shen Jun (Department of Radiology, Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University, Guangzhou 510120, China) ,  Li Ming (Suzhou Institute of Biomedical Engineering and Technology, CAS, Suzhou 215163, China) ,  Liu Lei (Department of Electronic Engineering and Information Science, University of Science and Technology of China, Hefei 230026, China) ,  Qiu Bensheng (Department of Electronic Engineering and Information Science, University of Science and Technology of China, Hefei 230026, China) ,  Chen Danny Z. (Department of Computer Science and Engineering, University of Notre Dame, Notre Dame, IN 46556, USA)
資料名： Computerized Medical Imaging and Graphics  (Computerized Medical Imaging and Graphics)
巻： 95  ページ： Null  発行年： 2022年 
JST資料番号： T0220A  ISSN： 0895-6111  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 乳癌セグメンテーションは乳癌の診断と治療に重要である。臨床乳癌分析において,専門家は,そのような画像が腫瘍形態に関する豊富な相補的情報を提供するので,しばしばマルチモーダル画像を調べる。既知のマルチモーダル乳房腫瘍セグメンテーション法は,2D腫瘍特徴を抽出し,もう1つのモードから情報を用いて,もう1つのモードを援助した。しかしながら,これらの方法は,マルチモーダル情報を効率的に融合するのではなく,異なるモダリティ間の効果的な情報相互作用管理の欠如のため,干渉情報を融合するかもしれない。さらに,これらの方法は,セグメンテーション結果に対する小さな腫瘍特性の影響を考慮しなかった。本論文では,3DマルチモーダルMRIにおいて乳房腫瘍を分割するための新しい相互モダリティ情報相互作用ネットワークを提案する。著者らのネットワークは,小さな腫瘍の局所情報を抽出するために階層構造を採用し,腫瘍境界の正確なセグメンテーションを容易にする。この構造の下で,分割された腫瘍(特に小腫瘍)の境界詳細を保存するために,高密度VoxNetに基づく3D小物体セグメンテーションネットワークを提示する。さらに,異なるモダリティ間の双方向要求-供給情報相互作用モジュールを導入し,各モードがそれ自身のニーズに従って有用な補助情報を要求できるようにした。臨床3DマルチモーダルMRI乳房腫瘍データセットに関する実験は,著者らの新しい3D IMIINが最先端の方法より優れていて,より良いセグメンテーション結果を達成して,著者らの新しい方法が良い臨床応用展望を有することを示唆した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  *相互作用 ,  *セグメンテーション ,  *ネットワーク ,  *腫瘍 ,  二次元 ,  階層構造 ,  *多モード ,  *三次元 ,  *乳房腫瘍
準シソーラス用語： モダリティ ,  高密度 ,  臨床応用 ,  マルチモダリティー画像 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチモーダル ,  深層学習 ,  モード間情報相互作用 ,  乳房腫瘍セグメンテーション

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 3D ,  マルチモード ,  乳房腫瘍 ,  セグメンテーション ,  相互作用