文献

J-GLOBAL ID：202202262223875969   整理番号：22A1051503

CTからの自動肝臓および腫瘍セグメンテーションのための2.5D軽量RIU-Net【JST・京大機械翻訳】

2.5D lightweight RIU-Net for automatic liver and tumor segmentation from CT

著者 (5件)： Lv Peiqing (School of Automation, Harbin University of Science and Technology, Harbin 150080, China) ,  Wang Jinke (School of Automation, Harbin University of Science and Technology, Harbin 150080, China) ,  Wang Jinke (Department of Software Engineering, Harbin University of Science and Technology, Rongcheng 264300, China) ,  Wang Haiying (School of Automation, Harbin University of Science and Technology, Harbin 150080, China) ,  Wang Haiying (Department of Software Engineering, Harbin University of Science and Technology, Rongcheng 264300, China)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 75  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： コンピュータ支援肝臓と腫瘍セグメンテーションの臨床応用を制限する1つの重要な要因は,方法の高い複雑性と低い精度である。この限界の克服は,この研究に関心がある。本論文は,CT画像から高速で正確な肝臓と腫瘍セグメンテーションのための新しい2.5D軽量ネットワークを示した。この方法は,U-Netフレームワークに接地され,残差と開始理論から技術を利用する。最初に,空間情報の利用を改善するために,CNNネットワークのために2.5D訓練モードを採用した。次に,RIU-Netと名付けた残留ブロックとInceptionV3を導入することによって,パラメータを大幅に低減するために改良U型アーキテクチャを設計した。最後に,BCEとDiceを組み合わせたハイブリッド損失関数を用いて,収束をスピードアップし,精度を改善した。2つの公的に利用可能なデータベース,LiTS17と3DIRCADbに関して提案した方法を評価した。本アプローチの性能を5つの密接に関連した技術と比較した。結果は,精度と時間コストの両方について他のものより優れている。特に,パラメータの全数はU-Netと比較して70%減少した。定量的および定性的結果は,著者らの方法の優れた適用性を示し,従って,コンピュータ支援肝臓および腫瘍セグメンテーションのための有望な軽量ツールであることを証明した。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： *セグメンテーション ,  損失関数 ,  データベース ,  ネットワーク ,  残差 ,  *腫瘍 ,  適応性 ,  性質 ,  CAE【計算機】 ,  計算機アーキテクチャ ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： 空間情報 ,  CT画像 ,  複雑性 ,  臨床応用 ,  軽量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 肝臓セグメンテーション ,  腫瘍セグメンテーション ,  受容 ,  残差 ,  軽量

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： CT ,  肝臓 ,  腫瘍 ,  セグメンテーション ,  軽量