肺結節検出のための教師なし対照学習ベース変圧器【JST・京大機械翻訳】

Niu Chuang; Wang Ge

プレプリント

J-GLOBAL ID：202202217332451905 整理番号：22P0341311

肺結節検出のための教師なし対照学習ベース変圧器【JST・京大機械翻訳】

Unsupervised Contrastive Learning based Transformer for Lung Nodule Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年04月29日プレプリントサーバーでの情報更新日： 2022年04月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

コンピュータ断層撮影(CT)による肺結節の早期検出は,肺癌患者のより長い生存とより良い生活の質のために重要である。コンピュータ支援検出/診断(CAD)は,この文脈において,第2または同時読者として貴重であることが証明されている。しかし,肺結節の正確な検出は,肺結節のサイズ,位置,および外観の変動性だけでなく,肺構造の複雑性のため,そのようなCADシステムや放射線科医にとっても,依然として困難な課題である。これはCADを伴う高い偽陽性率をもたらし,その臨床的有効性を損なう。最近のコンピュータビジョン技法によって動機づけられて,ここでは,一連の候補領域の中で肺結節を同定するための自己監督領域ベースの3D変圧器モデルを提示する。具体的には,3Dビジョン変圧器(ViT)を開発し,CT画像ボリュームを非重複キューブのシーケンスに分割し,埋込み層を持つ各キューブから埋込み特徴を抽出し,予測のために自己注意機構ですべての埋込み特徴を解析した。比較的小さなデータセットに関する変圧器モデルを効果的に訓練するために,領域ベースのコントラスト学習法を用いて,公開CT画像で3D変圧器を予訓練することによって性能を強化した。著者らの実験は,提案方法が一般的に使用される3D畳込みニューラルネットワークと比較して,肺結節スクリーニングの性能を著しく改良できることを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

呼吸器の診断 , 医用画像処理

, , , ,

前のページに戻る