文献

J-GLOBAL ID：202202243516746814   整理番号：22A0443356

深部残存ニューラルネットワークによるシャンク超音波画像における腓腹筋とひらめの自動セグメンテーション【JST・京大機械翻訳】

Automated segmentation of the gastrocnemius and soleus in shank ultrasound images through deep residual neural network

著者 (7件)： Du Getao (Engineering Research Center of Molecular & Neuro Imaging of the Ministry of Education, School of Life Science and Technology, Xidian University, Xi’an, Shaanxi 710071, China) ,  Zhan Yonghua (Engineering Research Center of Molecular & Neuro Imaging of the Ministry of Education, School of Life Science and Technology, Xidian University, Xi’an, Shaanxi 710071, China) ,  Zhang Yue (School of Electronic Engineering, Xidian University, Xi’an, Shaanxi 710071, China) ,  Guo Jianzhong (Institute of Applied Acoustics, School of Physics and Information Technology, Shaanxi Normal University, Xi’an 710062, China) ,  Chen Xueli (Engineering Research Center of Molecular & Neuro Imaging of the Ministry of Education, School of Life Science and Technology, Xidian University, Xi’an, Shaanxi 710071, China) ,  Liang Jimin (School of Electronic Engineering, Xidian University, Xi’an, Shaanxi 710071, China) ,  Zhao Heng (Engineering Research Center of Molecular & Neuro Imaging of the Ministry of Education, School of Life Science and Technology, Xidian University, Xi’an, Shaanxi 710071, China)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 73  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  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： 超音波(US)画像におけるシャンク腓腹筋(Gas)とヒラメ筋(Sol)筋のセグメンテーションは,筋萎縮の早期診断に重要な筋肉特徴を抽出することを可能にする。筋肉の自動セグメンテーションは挑戦的なタスクであり,深層学習(DL)はこの問題の解を提供し,それは画像の筋肉領域と背景から代表的特徴を効果的に抽出できる。本研究では,改良Uネットネットワークに基づく自動セグメンテーション法であるResTUネットを提案し,シャンクUS画像におけるガスとSolの筋肉をセグメント化した。このネットワークは,Uネットの各層のサブレイヤユニットとして深い残留ニューラルネットワーク(Resnet)を使用し,貧弱なUS画像品質と低コントラストの課題に適合するために,次の層のそれらと各層の特徴を効果的に組み合わせることができる。さらに,訓練中の情報損失を防ぐために,ネットワーク内のプール層の代わりに拡張畳込みを用いた。23匹のSprague Dawley(SD)ラットからの3350のシャンクUS画像について実験を行い,それらの中で,2650のシャンクUS画像をネットワーク訓練と700のネットワーク検証のために使用した。最先端のネットワークと比較して,実験結果は,この方式が,それぞれ94.82%と90.72%のガスとSol筋肉の最良の分割能力結果と平均Dice類似性係数(DSC)を達成できることを示した。本研究は,提案した完全自動セグメンテーション法が,シャンクUS画像におけるガスとSolの筋肉セグメンテーションに正確かつ効率的に適用できることを示した。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： コントラスト ,  畳込み ,  *超音波 ,  *セグメンテーション ,  *ネットワーク ,  *ニューラルネットワーク ,  ラット ,  シャンク ,  画質 ,  *超音波画像 ,  *腓腹筋 ,  ひらめ筋 ,  筋萎縮症 ,  早期診断
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 筋萎縮 ,  セグメンテーション ,  深層学習 ,  深層残差ニューラルネットワーク ,  拡大畳込み

分類 (2件)： 医用画像処理  (JE04020T) ,  生肉の品質と処理  (FJ12032O)

タイトルに関連する用語 (7件)： 深部 ,  残存 ,  ニューラルネットワーク ,  シャンク ,  超音波画像 ,  腓腹筋 ,  自動セグメンテーション