文献

J-GLOBAL ID：202202268655439082   整理番号：22A0897360

生物医学画像セグメンテーションのための高密度拡張深マルチスケール教師付きUネットワーク【JST・京大機械翻訳】

Dense Dilated Deep Multiscale Supervised U-Network for biomedical image segmentation

著者 (4件)： Bose Shirsha (Department of Electronics and Telecommunication Engineering, Jadavpur University, 188, Raja S.C. Mallick Rd, Kolkata, 700032, West Bengal, India) ,  Sur Chowdhury Ritesh (Department of Electronics and Telecommunication Engineering, Jadavpur University, 188, Raja S.C. Mallick Rd, Kolkata, 700032, West Bengal, India) ,  Das Rangan (Department of Computer Science Engineering, Jadavpur University, 188, Raja S.C. Mallick Rd, Kolkata, 700032, West Bengal, India) ,  Maulik Ujjwal (Department of Computer Science Engineering, Jadavpur University, 188, Raja S.C. Mallick Rd, Kolkata, 700032, West Bengal, India)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 143  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  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： 医用画像セグメンテーションはコンピュータ化医用画像分析に不可欠である。深層学習アルゴリズムは,セグメンテーション問題を解くための最先端のモデルの設計を可能にする。U-Netとその変種は,様々なデータセットにわたって肯定的な結果を提供した。しかし,既存のネットワークは各レベルで同じ受容野を持ち,モデルは浅いレベルでのみ教師つき。これら2つのアイデアを考慮して,各レベルの視野が解像度層の深さに依存して変化するD3MSU-Netを提案し,各解像度レベルでモデルを管理する。著者らは,Electron顕微鏡,肺セグメンテーション,Montgomery胸部X線,Covid-Radiopaedia,Wound,Medetec,脳MRI,およびCovid-19肺CTデータセットのような8つのベンチマークデータセットにおける著者らのネットワークを評価した。さらに,種々のアブレーションに対する性能を提供した。実験結果は,提案したネットワークの優位性を示した。提案したD3MSU-Netとアブレーションモデルはwww.github.com/shirshabose/D3MSUNETで利用可能である。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： 畳込み ,  *セグメンテーション ,  *ネットワーク ,  モデル ,  *規模 ,  アブレーション ,  ベンチマーク ,  コンピュータ ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： *画像セグメンテーション ,  *マルチスケール ,  *生物医学 ,  受容野 ,  医用画像解析 ,  医用画像セグメンテーション ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 生物医学画像セグメンテーション ,  深層学習 ,  高密度拡張畳込み ,  深いマルチスケール監視

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 生物医学 ,  画像セグメンテーション ,  高密度 ,  拡張 ,  マルチスケール ,  教師