文献

J-GLOBAL ID：202202246084201567   整理番号：22A0479044

医用画像セグメンテーションのためのIRUNet【JST・京大機械翻訳】

IRUNet for medical image segmentation

著者 (3件)： Hoorali Fatemeh (Faculty of Electrical Engineering, Shahrood University of Technology, Daneshgah Blvd., P.O. Box: 3619995161, Shahrood, Iran) ,  Khosravi Hossein (Faculty of Electrical Engineering, Shahrood University of Technology, Daneshgah Blvd., P.O. Box: 3619995161, Shahrood, Iran) ,  Moradi Bagher (Esfarayen Faculty of Medical Sciences, Esfarayen, Iran)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 191  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 近年,深部学習は,医学画像を分割し,医師をより良い診断と治療で支援するために広く使用されてきた。Anthraxは世界的な分布を有する重大な感染症である。この疾患を診断する最も重要な方法の一つは,患者の組織標本を含むスライドの顕微鏡検査である。スライド画像のセグメンテーションのための最先端モデルは,深いニューラルネットワークに基づき,完全畳込みネットワーク,UNet,およびそれらのバリアントのような符号器デコーダアーキテクチャを持っている。スキップ接続はそのようなモデルにおいて重要な役割を果たす。しかしながら,これらのモデルの多くにおいて,スキップ接続は,符号器と復号器のセクションの同じスケールに関連する特徴のみを集約し,それはセグメンテーションの品質を劣化させる。著者らは,患者組織標本の顕微鏡画像を分割するための改良UNetベースのアーキテクチャを提案する。IRUNetと呼ばれる提案モデルはスキップ接続における開始と残留ブロックの利点を採り,セグメンテーションのためのより良い特徴を抽出するためにマルチスケール特徴を組み合わせる。また,符号器部分における強力な表現を抽出するために,いくつかの畳み込みネットワークをバックボーンとして使用し,セグメンテーション結果に及ぼすそれらの影響を研究した。実験結果は,高い画像解像度,異なるコントラスト,画像アーチファクト,オブジェクトクラウディング,および重複のような顕微鏡画像分析の分野で多くの課題にもかかわらず,IRUNetは最先端のモデルと比較して医用画像セグメンテーションにおいてより良い性能を有することを示した。それは,92.8%の精度,93%の再現率,および92.9%のDiceスコアを達成し,それは優れた結果である。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： コントラスト ,  畳込み ,  学習 ,  *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 ,  復号器 ,  スライド ,  符号器 ,  感染症 ,  こみあい効果 ,  計算機アーキテクチャ ,  アーチファクト
準シソーラス用語： マルチスケール ,  顕微鏡画像 , 【Automatic Indexing@JST】

著者キーワード (7件)： セマンティックセグメンテーション ,  顕微鏡画像 ,  IRUNet ,  受容ブロック ,  残存ブロック ,  効率的なネット ,  Anthrax病

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (1件)： 医用画像セグメンテーション