文献

J-GLOBAL ID：202202261146532459   整理番号：22A0797979

注意ガイド二重文脈埋め込みU-Netを用いた膵臓の2.5Dセマンティックセグメンテーション【JST・京大機械翻訳】

A 2.5D semantic segmentation of the pancreas using attention guided dual context embedded U-Net

著者 (9件)： Li Jingyuan (Center for Brain Imaging, School of Life Science and Technology, Xidian University, Xi’an, Shaanxi 710126, China) ,  Liao Guanqun (Department of Hepatobiliary Surgery, Foshan Hospital Affiliated to Southern Medical University, Foshan, Guangdong 528000, China) ,  Liao Guanqun (Department of Hepatobiliary and Pancreatic Oncology, Sun Yat-sen University Cancer Center, Guangzhou, Guangdong 510060, China) ,  Sun Wenfang (School of Aerospace Science and Technology, Xidian University, Xi’an, Shaanxi 710126, China) ,  Sun Ji (Department of Biliary Surgery, West China Hospital of Sichuan University, Chengdu, Sichuan 614100, China) ,  Sheng Tai (Department of Hepatopancreatobiliary Surgery, Second Affiliated Hospital of Harbin Medical University, Harbin, Heilongjiang 150086, China) ,  Zhu Kaibin (Department of Thoracic Surgery, Harbin Medical University Cancer Hospital, Harbin, Heilongjiang 150081, China) ,  von Deneen Karen M. (Center for Brain Imaging, School of Life Science and Technology, Xidian University, Xi’an, Shaanxi 710126, China) ,  Zhang Yi (Center for Brain Imaging, School of Life Science and Technology, Xidian University, Xi’an, Shaanxi 710126, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 480  ページ： 14-26  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 医用画像からの膵臓の自動セグメンテーションは膵臓関連疾患の臨床評価に重要である。しかし,コンピュータトモグラフィ(CT)画像に基づく膵臓セグメンテーションは,形状およびテクスチャにおける分散のため,時間がかかり,誤差の傾向がある。2D/3D畳み込みニューラルネットワーク(CNN)に基づく様々な研究が医用画像セグメンテーションに対する有望な性能を達成しているので,2D法は低い推論時間を楽しむが,3D情報の欠如に悩まされている。3D法は文脈情報を必要とする困難なターゲットの性能において優れているが,高い計算コストの問題に直面している。したがって,著者らは,文脈情報と高い計算コストを利用してバランスをとるために,膵臓セグメンテーションのための2.5Dセグメンテーション法を提案した。これは,特別な表現における隣接スライス間の3D構造関係を表す。前処理段階で,軽量3Dボクセルと対応するラベルマッピング法を設計し,隣接スライスの標的構造の違いを明示的に表現した。これはネットワークが空間関係を直接的に学習することを可能にする。2D CNN組込みマルチアテンションメカニズムと二重文脈特徴融合法を,2D操作を通して3D情報を記述するために設計した。後処理段階では,融合法を用いてセグメンテーション結果を精密化した。提案した方法を腹部造影CTデータセットで評価した。結果は,Diceが87.19%であることを示した。対応する2Dおよび3D法と比較して,提案した2.5D法は,Diceを1.14%および2.80%改善し,訓練可能パラメータの0.1倍を用いて3D法よりも60倍速かった。さらに,NIH Pancreas-CTデータセット上で評価を行い,提案した2.5D法は最先端の方法よりも良好なセグメンテーション性能を達成した。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： 写像 ,  *セグメンテーション ,  ネットワーク ,  画像処理 ,  画像 ,  二次元 ,  *文脈 ,  医用画像 ,  三次元 ,  計算機トモグラフィー ,  ボクセル
準シソーラス用語： 文脈情報 ,  計算コスト ,  自動セグメンテーション ,  医用画像セグメンテーション ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 膵臓セグメンテーション ,  2.5Dセグメンテーション ,  注意機構 ,  コンピュータ断層撮影 ,  畳込みニューラルネットワーク

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 注意 ,  文脈 ,  埋め込み ,  U-Net ,  膵臓 ,  セマンティックセグメンテーション