文献

J-GLOBAL ID：202202234036085500   整理番号：22A0831987

マルチモードMRI画像のデュアルパスネットワークに基づく脳腫瘍セグメンテーション【JST・京大機械翻訳】

Brain tumor segmentation based on the dual-path network of multi-modal MRI images

著者 (2件)： Fang Lingling (Department of Computing and Information Technology, Liaoning Normal University, Dalian City, Liaoning Province, China) ,  Wang Xin (Department of Computing and Information Technology, Liaoning Normal University, Dalian City, Liaoning Province, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 124  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 浸潤性増殖を伴う腫瘍のため,神経膠腫境界は通常脳組織と融合し,単一様式画像を通して脳腫瘍構造を正確にセグメント化する失敗をもたらす。多モードのものは固有の不均一性と外部境界に比較的補完され,相補的な特徴と概要を提供する。そのうえ,それは多角から脳疾患の構造特性を維持することができる。しかし,不均一なデータ密度および高密度構造血管腫瘍有糸分裂を増加させるマルチモーダル医用画像サンプリングの特殊性のため,神経膠腫は非定型境界ファジィおよびより多くのノイズを有する可能性がある。この問題を解決するために,本論文では,マルチモーダル特徴融合(MFF-DNet)に基づくデュアルパスネットワークを提案した。最初に,提案したネットワークは,大規模知覚ドメインと非線形写像特徴の組合せを実現するために,異なるカーネル多重化法を使用し,それは情報フローのコヒーレンスを効果的に強化する。次に,オーバーラッピング周波数と消失勾配現象は,残留接続と高密度接続によって減少し,マルチモーダルチャネルの相互影響を軽減する。最後に,高密度Netネットワークと特徴ピラミッドネットワーク(FPN)に基づく二重経路モデルを確立し,低レベル,中レベル,および高レベル特徴の融合を実現した。そのうえ,それは神経膠腫非線形構造特性の多様化を増加させ,セグメンテーション精度を改善する。多数のアブレーション実験は提案モデルの有効性を示した。全体の脳腫瘍とコア腫瘍の精度は,それぞれ0.92と0.90に達することができる。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： コヒーレンス ,  雑音 ,  写像 ,  *セグメンテーション ,  *ネットワーク ,  *腫瘍 ,  *脳腫瘍 ,  *画像 ,  多重化 ,  モデル ,  神経膠腫 ,  医用画像 ,  *多モード ,  *NMRイメージング ,  アブレーション

著者キーワード (5件)： 脳腫瘍のセグメンテーション ,  深層学習 ,  二重経路モデル ,  磁気共鳴イメージング ,  マルチモーダル画像

分類 (2件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： マルチモード ,  MRI画像 ,  脳腫瘍 ,  セグメンテーション