文献

J-GLOBAL ID：202202229765181416   整理番号：22A0836845

エンドツーエンド方式における不確実性からの学習による統一医用画像セグメンテーション【JST・京大機械翻訳】

Unified medical image segmentation by learning from uncertainty in an end-to-end manner

著者 (6件)： Tang Pin (School of Computer Science, Sichuan University, Chengdu, China) ,  Yang Pinli (School of Computer Science, Sichuan University, Chengdu, China) ,  Nie Dong (Department of Computer Science, University of North Carolina, Chapel Hill, NC, United States) ,  Wu Xi (School of Computer Science, Chengdu University of Information Technology, Chengdu, China) ,  Zhou Jiliu (School of Computer Science, Chengdu University of Information Technology, Chengdu, China) ,  Wang Yan (School of Computer Science, Sichuan University, Chengdu, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 241  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自動セグメンテーションは計算機支援医用画像解析における基本的タスクである。畳込みニューラルネットワーク(CNN)は医用画像セグメンテーションタスクに広く用いられている。現在,最も深い学習ベースの方法は,確率マップを出力し,最終セグメンテーション結果を生成するために手作業閾値を使用するが,ネットワークが確率マップのどれかは不明のままである。確率の不確実性も高いので,確率が閾値よりはるかに高いにもかかわらず,セグメンテーション結果は非常に信頼できない。さらに,連続プール層および畳み込みストライドに起因する境界情報損失は,セグメンテーションにおけるオブジェクトの境界をより信頼できないものにする。本論文では,自動医用画像セグメンテーションのためのUG-Netと呼ばれる不確実性誘導ネットワークを提案した。以前の方法と異なり,著者らのUG-Netは,エンドツーエンド方式でそれ自身によって不確実性を学習し,終了する。具体的には,UG-Netは,粗いセグメンテーションモジュール(CSM)の粗いセグメンテーションモジュール(CSM)と不確実性マップ,不確実性マップ(UGM)の3つの部分から成り,エンドツーエンド方式で得られた不確実性マップを活用し,いくつかの二重注意(DAT)ブロックを埋め込んだ特徴精密化モジュール(FRM)を最終セグメンテーションを生成する。さらに,統一セグメンテーションネットワークを定式化し,より豊富な文脈情報を抽出するため,マルチスケール特徴抽出器(MFE)をCSMの符号器と復号器の間に挿入する。実験結果は,提案したUG-Netが鼻咽頭癌(NPC)セグメンテーション,肺セグメンテーション,視神経円板セグメンテーションおよび網膜血管検出に関して最先端の方法より優れていることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *セグメンテーション ,  ネットワーク ,  *不確実性 ,  ニューラルネットワーク ,  復号器 ,  特徴抽出 ,  *画像処理 ,  符号器 ,  *エンドツーエンド方式 ,  画像分析 ,  定式化 ,  機械学習
準シソーラス用語： マルチスケール ,  医用画像解析 ,  自動セグメンテーション ,  *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)： 医用画像セグメンテーション ,  不確実性 ,  エンドツーエンド ,  深層学習 ,  特徴精密化

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： エンドツーエンド方式 ,  不確実性 ,  学習 ,  医用画像セグメンテーション