文献

J-GLOBAL ID：202202263415617267   整理番号：22A0480003

CNNと事後CRFによる医用画像におけるセグメンテーションへのエンドツーエンドアプローチ【JST・京大機械翻訳】

An end-to-end approach to segmentation in medical images with CNN and posterior-CRF

著者 (6件)： Chen Shuai (Biomedical Imaging Group Rotterdam, Department of Radiology & Nuclear Medicine, Erasmus MC, Rotterdam, the Netherlands) ,  Sedghi Gamechi Zahra (Biomedical Imaging Group Rotterdam, Department of Radiology & Nuclear Medicine, Erasmus MC, Rotterdam, the Netherlands) ,  Dubost Florian (Biomedical Imaging Group Rotterdam, Department of Radiology & Nuclear Medicine, Erasmus MC, Rotterdam, the Netherlands) ,  van Tulder Gijs (Biomedical Imaging Group Rotterdam, Department of Radiology & Nuclear Medicine, Erasmus MC, Rotterdam, the Netherlands) ,  de Bruijne Marleen (Biomedical Imaging Group Rotterdam, Department of Radiology & Nuclear Medicine, Erasmus MC, Rotterdam, the Netherlands) ,  de Bruijne Marleen (Machine Learning Section, Department of Computer Science, University of Copenhagen, Copenhagen, Denmark)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 76  ページ： Null  発行年： 2022年 
JST資料番号： W3156A  ISSN： 1361-8415  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： 条件付きランダム場(CRF)は,畳み込みニューラルネットワーク(CNN)のような初期セグメンテーションモデルの出力を改善するためにしばしば用いられる。医用イメージングにおける従来のCRFアプローチは,空間コヒーレンスを改善するために,外観類似性または位置を改善するために強度のような手動で定義された特徴を用いる。これらの特徴は,いくつかのタスクに対してよく働くが,他のものに対しては失敗する。例えば,異なる解剖学的構造が類似した強度値を持つ医用画像セグメンテーションアプリケーションにおいて,強度ベースCRFは不正確な結果を生じる。代替として,CRFにおけるCNN学習特徴を用いるエンドツーエンドセグメンテーション法,およびCRFとCNNパラメータを同時に最適化するエンドツーエンドセグメンテーション法を提案した。3つの医用画像セグメンテーションタスク:非コントラストCTにおける大動脈および肺動脈セグメンテーション,マルチモーダルMRIにおける白質超強度セグメンテーション,およびマルチモーダルMRIにおける虚血性脳卒中病変セグメンテーションに関する著者らの方法を検証した。これを最先端のCNN-CRF法と比較した。すべての応用において,著者らの提案方法は,Dice係数,平均体積差,および病変ワイズF1スコアに関して既存の方法より優れている。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 ,  最適化 ,  学習 ,  *セグメンテーション ,  大動脈 ,  *エンドツーエンド方式 ,  応用プログラム ,  肺動脈 ,  *医用画像 ,  多モード
準シソーラス用語： 確率場 ,  空間コヒーレンス ,  医用画像処理 ,  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)： セグメンテーション ,  CNN ,  CRF ,  グラフモデル ,  医用画像

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： CNN ,  CRF ,  医用画像 ,  セグメンテーション