文献

J-GLOBAL ID：202202230995670914   整理番号：22A0862369

AutoSeg-自動病理学セグメンテーションのための帰納的バイアスのステアリング【JST・京大機械翻訳】

AutoSeg - Steering the Inductive Biases for Automatic Pathology Segmentation

著者 (8件)： Meissen Felix (Technical University of Munich (TUM), Munich, Germany) ,  Meissen Felix (Klinikum Rechts der Isar, Munich, Germany) ,  Kaissis Georgios (Technical University of Munich (TUM), Munich, Germany) ,  Kaissis Georgios (Klinikum Rechts der Isar, Munich, Germany) ,  Kaissis Georgios (Imperial College London, London, UK) ,  Rueckert Daniel (Technical University of Munich (TUM), Munich, Germany) ,  Rueckert Daniel (Klinikum Rechts der Isar, Munich, Germany) ,  Rueckert Daniel (Imperial College London, London, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13166  ページ： 127-135  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 医用イメージングにおいて,非,半,または自己監督された病理学検出は,しばしば,異常または分布外検出法でアプローチされ,その帰納的バイアスは,病理学の検出に対して意図的には意図的ではなく,従って,このタスクに対して準最適である。この問題に取り組むために,実世界の病理学の特性に類似した多様な人工異常を発生できるエンジンであるAutoSegを提案した。提案手法は,正確な人工異常を正確にセグメント化することができ,胸部X線画像の挑戦的な実世界データセット上の病理学検出のための既存の方法より優れている。医学外科学分析チャレンジ2021(以下,利用可能なコード)に関する著者らの方法を実験的に評価した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  *セグメンテーション ,  特性 ,  検出法 ,  バイアス ,  *病理学
準シソーラス用語： 医用画像処理 ,  胸部X線画像 , 【Automatic Indexing@JST】

著者キーワード (3件)： 自己教師付き異常セグメンテーション ,  異常検出 ,  誘導Bias

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 病理学 ,  セグメンテーション ,  バイアス ,  ステアリング