文献

J-GLOBAL ID：202202269525990355   整理番号：22A0067017

医用画像の意味論的セグメンテーションのための深層学習とASPベースモデルの結合【JST・京大機械翻訳】

Combining Deep Learning and ASP-Based Models for the Semantic Segmentation of Medical Images

著者 (4件)： Bruno Pierangela (Department of Mathematics and Computer Science, University of Calabria, Rende, Italy) ,  Calimeri Francesco (Department of Mathematics and Computer Science, University of Calabria, Rende, Italy) ,  Marte Cinzia (Department of Mathematics and Computer Science, University of Calabria, Rende, Italy) ,  Manna Marco (Department of Mathematics and Computer Science, University of Calabria, Rende, Italy)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12851  ページ： 95-110  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 自動セグメンテーションは,介入および診断タスクのための情報で重要な臨床医を提供するので,コンピュータ支援診断および医学における巨大なブレークスルーを示す。畳込みニューラルネットワーク(CNN)のような深層学習(DL)における最近の進歩は,解剖学的および病理学的構造を同定し,膨大な量のデータから意味のあるパターンを抽出する際に非常に有望であることが証明されている。しかし,そのようなアプローチは,モデルで作られた選択を解釈するための適切な手段の欠如に悩まされ,事前知識に従って決定を動かすことは容易ではない。この文脈において,Answer集合プログラミング(ASP)のような演繹的ルールベース手法は,宣言的方法で論理プログラムを介して問題や特定の特徴を効果的に符号化することを可能にし,一方,性能の改善にも役立つ。この精力研究では,医用画像の意味論的セグメンテーションを行う際に,DLアプローチを駆動するためのASPの使用を提案した。特に,著者らはASPを介して事前の医療知識をコード化して,このように,医学画像におけるクラスと正しい位置のすべての入院した組合せを縮小するための規則ベースのモデルを定義した。実験解析の結果を,提案した方法の実行可能性を評価する目的で報告した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *意味論 ,  *セグメンテーション ,  計算機診断 ,  解剖学 ,  *医用画像 ,  論理プログラミング ,  演繹 ,  ルールベース
準シソーラス用語： 事前知識 ,  臨床医 ,  自動セグメンテーション ,  *深層学習 ,  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)： 応答集合プログラミング ,  知識表現と推論 ,  深層学習 ,  セマンティックセグメンテーション ,  誘導-演えき結合

分類 (2件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 医用画像 ,  意味論 ,  セグメンテーション ,  深層学習 ,  ASP ,  モデル