DoubleU-Net++:Vertebraeセグメンテーションのための拡張マルチスケール特徴を持つアーキテクチャ【JST・京大機械翻訳】

Jahangard Simindokht; Bonyani Mahdi; Khosravi Abbas

プレプリント

J-GLOBAL ID：202202220951124820 整理番号：22P0281549

DoubleU-Net++:Vertebraeセグメンテーションのための拡張マルチスケール特徴を持つアーキテクチャ【JST・京大機械翻訳】

DoubleU-Net++: Architecture with Exploit Multiscale Features for Vertebrae Segmentation

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 (3件)： , ,
資料名：
発行年： 2022年01月28日プレプリントサーバーでの情報更新日： 2022年01月28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)

椎骨の正確なセグメンテーションは,外科医を支援するための様々な医療応用(E.g.遠隔手術)において重要な必要条件である。深層ニューラルネットワークの成功裏の開発に続いて,最近の研究は,脊椎セグメンテーションの本質的規則に焦点を合わせてきた。先行研究は多数のパラメータを含み,それらのセグメンテーションは1つの見解だけに限定される。二重U-Netに触発されて,著者らは,特徴抽出器としてのDensNet,モジュール(CBAM)に関する畳込みブロック注意からの特別な注意モジュール,およびPyramid Squeeze注意(PSA)モジュールを抽出特性を改善するために採用する二重U-Net++という新しいモデルを提案した。VerSe2020とxVertSegデータセットの3つの異なる視点(矢状,冠状,および軸)に関する提案モデルを評価した。最先端の研究と比較して,著者らのアーキテクチャはより速く訓練され,評価としてより高い精度,想起,およびF1スコアを達成し(4~6%),矢状面ビューに対して94%以上の結果,そして,VerSe2020データセットに対して,それぞれ,冠状ビューおよび93%以上の軸ビューの両方に対して94%以上の結果が得られた。また,xVertSegデータセットでは,矢状面に対する97%以上の精度,再現,およびF1スコアを,冠状視野で93%以上,軸視野で96%以上を達成した。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, , ,

前のページに戻る