文献

J-GLOBAL ID：202202236866051287   整理番号：22A1136832

LRSAR-Net意味分割モデルは,新冠肺炎CT画像支援診断に用いられている。【JST・京大機械翻訳】

LRSAR-Net Semantic Segmentation Model for Computer Aided Diagnosis for Covid-19 CT Image

著者 (3件)： Zhang Taohong (北京科技大学計算机与通信工程学院 北京 100083;材料領域知識工程北京市重点実験室 北京 100083) ,  Guo Xuxu (北京科技大学計算机与通信工程学院 北京 100083;材料領域知識工程北京市重点実験室 北京 100083) ,  Zhang Ying (華北理工大学軽工学院 唐山 064000)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 44  号： 1  ページ： 48-58  発行年： 2022年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 2019年末の新型コロナウイルス(Covid-19)疫病は全世界の爆発以来、世界各国はすべて疫情の危害の下にある。新冠ウイルスは人体の呼吸系に侵入し、肺部感染を引き起こし、死亡に至る。CT(ComputedTomography)図は医師が肺炎患者に対して診断を行う従来の方法である。医師の新冠感染者に対する診断の効率を高めるため、本論文では、低ランクテンソル自己注意力再構成に基づく語義分割ネットワークLRSAR-Netを提案し、そのうち、低ランクテンソル自己注意力再構成モジュールを用いて、長範囲の情報を取得する。低ランクテンソル自己注意力再構成モジュールは,低ランクテンソル生成サブモジュール,低ランク自己注意力サブモジュール,高ランクテンソル再構成サブモジュールの3つの部分を含む。低ランクテンソル自己注意力モジュールは,最初に複数の低ランクテンソルを生成し,低ランク自己注意力特徴マップを構築し,次に,低ランクテンソルの注意力特徴マップを,高ランクの注意力特性グラフに構成した。注意力モジュールは,類似性行列を計算することによって,長い範囲のセマンティック情報を得る。従来の自己注意力モジュールNon-Localと比較して,低ランクテンソルの自己注意力再構成モジュールは計算の複雑さが低く,計算速度が速い。最後に,他の優れたセマンティック分割モデルと比較して,モデルの有効性を例示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： テンソル ,  ネットワーク ,  モジュール ,  呼吸器 ,  *肺炎 ,  範囲 ,  計算量 ,  再構成 ,  計算機処理速度 ,  類似性 ,  有効性 ,  注意 ,  疫病 ,  自我
準シソーラス用語： *CT画像 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  数値計算  (JE02000J)

タイトルに関連する用語 (6件)： 意味 ,  モデル ,  肺炎 ,  CT画像 ,  支援 ,  診断