文献

J-GLOBAL ID：202202243213521282   整理番号：22A1053182

膵臓セグメンテーションのための特徴強化および文脈推論ネットワーク【JST・京大機械翻訳】

Feature Enhanced and Context Inference Network for Pancreas Segmentation

著者 (5件)： Lou Zheng-hao (College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao, China) ,  Fan Jian-cong (College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao, China) ,  Fan Jian-cong (Provincial Key Lab for Information Technology of Wisdom Mining of Shandong Province, Shandong University of Science and Technology, Qingdao, China) ,  Ren Yan-de (The Affiliated Hospital of Qingdao University, Qingdao, China) ,  Tang Lei-yu (College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1566  ページ： 244-257  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  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： CT画像から膵臓をセグメント化することは,臨床診断と研究にとって非常に重要である。医用画像セグメンテーションで広く使用されている従来の符号器-デコーダネットワークは,マルチレベル特徴およびコンテキスト情報の利用不足のため,低組織コントラストおよび膵臓形状およびサイズの大きな変動に対処できない可能性がある。これらの問題に取り組むために,本論文では,膵臓セグメンテーションのための新しい特徴強化およびコンテキスト推論ネットワーク(FECI-Net)を提案した。特に,特徴が,補足的な領域およびマルチレベル特徴間の詳細をマイニングするために,顕著性領域制約を課すことによって強化される。ゲートリカレントユニットコンボリューション(ConvGRU)を復号器に導入し,タスク関連微細特徴を捉えることを目指したコンテキストを完全に接触させた。NIH-TCIAデータセットに関する実験的評価を比較することによって,著者らの方法は,ベースラインと比較して,IOUとDiceをそれぞれ5.5%と4.1%改善し,現在の最先端の医用画像セグメンテーション法より優れている。Copyright Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  *セグメンテーション ,  *ネットワーク ,  実験 ,  特性 ,  復号器 ,  改良 ,  画像処理 ,  符号器 ,  *文脈 ,  基準線
準シソーラス用語： マルチレベル ,  CT画像 ,  臨床診断 ,  医用画像セグメンテーション ,  コンテキスト情報 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  膵臓セグメンテーション ,  マルチレベル特徴融合 ,  文脈推論

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)： 膵臓 ,  セグメンテーション ,  強化 ,  文脈推論