深い証拠ネットワークを用いた3D PET-CT画像からのリンパ腫セグメンテーション【JST・京大機械翻訳】

Huang Ling; Ruan Su; Decazes Pierre; Denoeux Thierry

プレプリント

J-GLOBAL ID：202202221474396097 整理番号：22P0282238

深い証拠ネットワークを用いた3D PET-CT画像からのリンパ腫セグメンテーション【JST・京大機械翻訳】

Lymphoma segmentation from 3D PET-CT images using a deep evidential network

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01月31日プレプリントサーバーでの情報更新日： 2022年06月24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。

Dempster-Shafer理論と深い学習に基づく自動証拠セグメンテーション法を,三次元陽電子放出断層撮影(PET)と計算機トモグラフィー(CT)画像からリンパ腫を分割するために提案する。アーキテクチャは,深い特徴抽出モジュールと明白な層から成る。特徴抽出モジュールは符号器デコーダフレームワークを用いて,3D入力からセマンティック特徴ベクトルを抽出する。次に,この位置におけるリンパ腫の存在または不在に関する不確実性を定量化する各ボクセルにおける信念関数を計算するために,特徴空間においてプロトタイプを用いた。質量関数を計算するためのプロトタイプへの距離を用いる異なる方法に基づいて,2つの証拠層を比較した。全体のモデルは,Dice損失機能を最小にすることによって,エンドツーエンドに訓練した。深い特徴抽出と明白なセグメンテーションの提案した組合せは,ベースラインUNetモデルおよび173人の患者のデータセットに関する3つの他の最先端のモデルより優れていることを示した。【JST・京大機械翻訳】

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

医用画像処理

, , , ,

前のページに戻る