文献

J-GLOBAL ID：202202221693309137   整理番号：22A0455206

深い畳込みニューラルネットワークによる半教師つき臓器セグメンテーションのための3D空間事前【JST・京大機械翻訳】

3D spatial priors for semi-supervised organ segmentation with deep convolutional neural networks

著者 (4件)： Petit Olivier (Visible Patient, Strasbourg, France) ,  Petit Olivier (CEDRIC Lab, Conservatoire National des Arts et Metiers, Paris, France) ,  Thome Nicolas (CEDRIC Lab, Conservatoire National des Arts et Metiers, Paris, France) ,  Soler Luc (Visible Patient, Strasbourg, France)
資料名： International Journal of Computer Assisted Radiology and Surgery  (International Journal of Computer Assisted Radiology and Surgery)
巻： 17  号： 1  ページ： 129-139  発行年： 2022年 
JST資料番号： W4459A  ISSN： 1861-6410  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 目的:完全畳込みニューラルネットワーク(FCN)は医用画像セグメンテーションのための最も一般的なモデルである。しかし,それらは空間器官位置を明示的に統合せず,これは挑戦的な文脈における適切なラベリングにとって極めて重要である。方法:本研究では,一般化事前駆動予測関数による視覚FCN予測と3Dにおける臓器位置の事前確率を表すモデルを組み合わせる方法を提案した。また,擬似ラベル選択の品質を改善するために,低データ領域を扱うための自己ラベリングプロセスにおいて,以前のものを用いた。結果:公開TCIA膵臓セグメンテーションデータセットからのCTスキャンで行った実験は,得られたSTIPPLEモデルがFCNベースラインと比較して,特に少数の訓練画像で性能を著しく増加させることができることを明らかにした。また,STIPPLEは,空間事前情報を活用することにより最先端の半教師つきセグメンテーション法より優れていることを示した。結論:STIPPLEは,医療領域において重要である少数のラベル付き例によって有効なセグメンテーション法を提供する。それは,エキスパート注釈者を模倣することによって絶対位置情報を組み込むための直感的方法を提供する。Copyright CARS 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  *セグメンテーション ,  事前確率 ,  *三次元 ,  基準線 ,  計算機トモグラフィー ,  アノテーション
準シソーラス用語： 事前知識 ,  半教師つき学習 ,  *三次元空間 ,  医用画像セグメンテーション ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  医用画像セグメンテーション ,  3D空間事前 ,  半教師つき学習 ,  擬似ラベリング

分類 (2件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  教師 ,  臓器 ,  セグメンテーション ,  3D空間