文献

J-GLOBAL ID：202202266723493127   整理番号：22A0183671

敵対的トレーニングによる高解像度組織像生成およびセグメンテーション【JST・京大機械翻訳】

High resolution histopathology image generation and segmentation through adversarial training

著者 (16件)： Li Wenyuan (Computational Diagnostics Lab, UCLA, Los Angeles, USA) ,  Li Wenyuan (The Department of Electrical and Computer Engineering, UCLA, Los Angeles, USA) ,  Li Jiayun (Computational Diagnostics Lab, UCLA, Los Angeles, USA) ,  Li Jiayun (The Department of Bioengineering, UCLA, Los Angeles, USA) ,  Polson Jennifer (Computational Diagnostics Lab, UCLA, Los Angeles, USA) ,  Polson Jennifer (The Department of Bioengineering, UCLA, Los Angeles, USA) ,  Wang Zichen (Computational Diagnostics Lab, UCLA, Los Angeles, USA) ,  Wang Zichen (The Department of Bioengineering, UCLA, Los Angeles, USA) ,  Speier William (Computational Diagnostics Lab, UCLA, Los Angeles, USA) ,  Speier William (The Department of Bioengineering, UCLA, Los Angeles, USA) ,  Speier William (The Department of Radiological Sciences, UCLA, Los Angeles, USA) ,  Arnold Corey (Computational Diagnostics Lab, UCLA, Los Angeles, USA) ,  Arnold Corey (The Department of Electrical and Computer Engineering, UCLA, Los Angeles, USA) ,  Arnold Corey (The Department of Bioengineering, UCLA, Los Angeles, USA) ,  Arnold Corey (The Department of Radiological Sciences, UCLA, Los Angeles, USA) ,  Arnold Corey (The Department of Pathology & Laboratory Medicine, UCLA, Los Angeles, USA)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 75  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： 病理組織画像の意味論的セグメンテーションはコンピュータ支援診断の不可欠な側面であり,深い学習モデルは成功レベルを変えてこのタスクに効果的に適用されている。しかし,それらの影響は,完全に注釈されたデータセットの小さいサイズのために制限されてきた。データ増強は,この限界に対処する一つの方法である。Generative Adversarial Network(GANs)は,この点で有望性を示したが,以前の研究は,MRとCT画像に適用された分類タスクに集中しており,その両方は,病理組織画像より分解能とスケールが低い。高品質画像マスク対を必要とする大規模画像意味セグメンテーションのためのデータ増強アプローチとしてGANを適用する研究は限られている。本研究では,高解像度,大規模組織病理学画像生成およびセグメンテーションのためのマルチスケール条件付きGANを提案した。本モデルは,GAN構造のピラミッドから成り,それぞれ異なるスケールで画像を生成およびセグメンテーションする。意味マスクを用いて,著者らのモデルの生成成分は,視覚的に現実的である組織病理学画像を合成することができる。マスクと共にこれらの合成画像を用いて,セグメンテーション性能,特に半教師つきシナリオをブーストできることを示した。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： 視覚 ,  意味論 ,  学習モデル ,  *セグメンテーション ,  計算機診断 ,  分解能 ,  角錐 ,  画像合成 ,  *高分解能
準シソーラス用語： CT画像 ,  マルチスケール ,  組織像 ,  高品質 ,  合成画像 ,  病理組織 , 【Automatic Indexing@JST】

著者キーワード (4件)： 組織像生成 ,  データ増強 ,  セマンティックセグメンテーション ,  半教師つき学習

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 (5件)： 敵対 ,  トレーニング ,  高解像度 ,  組織像 ,  セグメンテーション