深層学習とランダムサンプリングに基づくコントラスト強調CTスキャンにおける位相認識【JST・京大機械翻訳】

Dao Binh T.; Nguyen Thang V.; Pham Hieu H.; Nguyen Ha Q.

プレプリント

J-GLOBAL ID：202202219126997732 整理番号：22P0307856

深層学習とランダムサンプリングに基づくコントラスト強調CTスキャンにおける位相認識【JST・京大機械翻訳】

Phase Recognition in Contrast-Enhanced CT Scans based on Deep Learning and Random Sampling

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 (4件)： , , ,
資料名：
発行年： 2022年03月20日プレプリントサーバーでの情報更新日： 2022年03月20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。

コントラスト強調の多重相による腹部コンピュータ断層撮影(CT)スキャンを解釈するための完全自動化システムは,相の正確な分類を必要とする。本研究は,腹部CTスキャンにおける3つの主なタイプのコントラスト相を認識するための正確で迅速な多相分類器を開発し,検証することを目的とした。本研究では,4つの異なる位相の腹部CTスキャンの位相認識のために,深いCNNのトップにランダムサンプリング機構を用いる新しい方法を提案した。CNNはスライスワイズ相予測として働いているが,ランダムサンプリングはCNNモデルの入力スライスを選択する。その後,多数投票はCNNのスライス的結果を合成し,スキャンレベルで最終予測を提供する。著者らの分類器を830の位相注釈CTスキャンから271,426スライスで訓練し,各スキャンからランダムに選択したスライスの30%で多数投票と組み合わせると,358スキャンの著者らの内部試験セットで平均F1スコア92.09%を達成した。提案手法は,2つの外部試験セット:CTPAC-CCRCC(N=242)とLiTS(N=131)で評価され,専門家によって注釈された。性能の低下が観察されたが,モデル性能は,CTPAC-CCRCCとLiTSデータセットで,それぞれ76.79%と86.94%の平均F1スコアで,高いレベルの精度で残った。著者らの実験結果はまた,提案方法が,推論のために計算時間を少なくしながら,最先端の3D手法を著しく凌駕することを示した。【JST・京大機械翻訳】

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

放射線を利用した診断 , データ保護 , システム・制御理論一般 , 符号理論 , ロボットの運動・制御

, , , ,

前のページに戻る