文献

J-GLOBAL ID：202202240210658634   整理番号：22A0454694

ウェアラブルネットワークにおける脳頭蓋内出血画像の相乗的深層学習モデルベースの自動検出と分類【JST・京大機械翻訳】

Synergic deep learning model-based automated detection and classification of brain intracranial hemorrhage images in wearable networks

著者 (5件)： Anupama C. S. S. (V.R.Siddhartha Engineering College, Vijayawada, India) ,  Sivaram M. (Research Center, Lebanese French University, Erbil, Iraq) ,  Lydia E. Laxmi (Computer Science and Engineering, Vignan’s Institute of Information Technology (Autonomous), Visakhapatnam, India) ,  Gupta Deepak (Department of Computer Science & Engineering, Maharaja Agrasen Institute of Technology, Delhi, India) ,  Shankar K. (Department of Computer Applications, Alagappa University, Karaikudi, India)
資料名： Personal and Ubiquitous Computing  (Personal and Ubiquitous Computing)
巻： 26  号： 1  ページ： 1-10  発行年： 2022年 
JST資料番号： W1069A  ISSN： 1617-4909  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： 健康管理性能の改善の意図により,ウェアラブル技術製品は,ボディーオンと周囲センサを含むセンサネットワークに古典的にリンクするいくつかのディジタル健康センサを利用する。一方,脳内出血(ICH)は脳領域における血管の損傷を定義し,それは脳卒中の10~15%を占める。X線コンピュータ断層撮影(CT)スキャンは,出血の位置とサイズを決定するために一般的に使用される。放射線科医を用いた計画法によるCTスキャンの手動セグメンテーションは有効である。しかし,それはより多くの時間を消費する。したがって,本論文は,GC-SDLモデルと命名された協力的深層学習(SDL)によるGrabCutベースのセグメンテーションを用いた深層学習(DL)ベースのICH診断を開発した。提案方法は,ノイズ除去のためにGaborフィルタリングを利用して,それによって,画像品質を上げることができた。さらに,GrabCutベースのセグメンテーション技術を適用して,画像における病気部分を効果的に同定した。特徴抽出プロセスを実行するために,SDLモデルを利用して,最後に,ソフトマックス(SM)層を分類装置として使用した。GC-SDLモデルの性能を調べるために,ベンチマークICHデータセットを用いて広範囲の実験を行い,その結果を異なる評価尺度の下で調べた。実験結果は,GC-SDLモデルが94.01%の高感度,97.78%の特異性,95.79%の精度,および95.73%の精度に達したことを示した。Copyright Springer-Verlag London Ltd., part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  *ネットワーク ,  血管 ,  分類装置 ,  特徴抽出 ,  画像処理 ,  画質 ,  健康管理 ,  脳卒中 ,  雑音低減 ,  ベンチマーク ,  計算機トモグラフィー ,  センサネットワーク
準シソーラス用語： Gaborフィルタ ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： ウェアラブルセンサ ,  医療イメージング ,  深層学習 ,  セグメンテーション ,  ICH ,  分類

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

タイトルに関連する用語 (7件)： ウェアラブル ,  脳 ,  頭蓋内出血 ,  深層学習 ,  モデルベース ,  自動検出 ,  分類