文献
J-GLOBAL ID:202202247064428467   整理番号:22A0943016

UNet++深層ニューラルネットワークを用いた超音波画像におけるウシリブアイエリアの自動セグメンテーション【JST・京大機械翻訳】

Automatic segmentation of cattle rib-eye area in ultrasound images using the UNet++ deep neural network
著者 (12件):
資料名:
巻: 195  ページ: Null  発行年: 2022年 
JST資料番号: T0337A  ISSN: 0168-1699  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
超音波イメージングは,生動物における肉または品質形質の様々なカットのサイズを推定するために一般的に使用される。残念なことに,超音波画像は,大量の視覚雑音を持つために知られており,これらの画像における関心領域の正確な境界または形状を定義するのを困難にする。したがって,ディジタル画像処理分野に関連した新しい戦略は,これらの画像のグループから情報を得るプロセスを改善するために必要とされる。この文脈において,深層学習法を通しての人工知能は,特に,最適化および効率的戦略であることが証明されているが,しかし,ウシのリブ-アイ領域ではまだ調査されていない。本論文は,超音波画像におけるウシのリブ-アイ領域の自動セグメンテーションに,Unet++深層ニューラルネットワークを適用することの実現可能性を調査することを目的とする。さらに,いくつかのよく確立された深い学習意味セグメンテーションモデルを,Unet++性能と比較した。これらのアーキテクチャはFCN,U-Net,SegNet,およびDeeplab v3+である。ウシ超音波のグレースケール画像からなるデータセットでモデルを試験した。すべてのモデルは,位置と境界の両方で優れた結果を示した。最良の結果は,IoUでは97.37%,MAEでは1.14cm2,決定係数(R2)は0.999であった。本研究で用いたラベル付きリブ-アイエリアデータセットは将来の研究に利用できる。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
人工知能  ,  医用画像処理 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る