文献

J-GLOBAL ID：202202269545767621   整理番号：22A0482814

生物医学画像計算におけるゲスト編集生成敵対ネットワーク【JST・京大機械翻訳】

Guest Editorial Generative Adversarial Networks in Biomedical Image Computing

著者 (4件)： Fu Huazhu (Agency for Science, Technology and Research, Singapore) ,  Zhou Tao (Nanjing University of Science and Technology, China) ,  Li Shuo (University of Western Ontario, Canada) ,  Frangi Alejandro F. (University of Leeds, U.K.)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 26  号： 1  ページ： 4-6  発行年： 2022年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： この特別なセクションにおける論文は,医用画像コンピューティングにおける生成敵対ネットワークに焦点を合わせる。バイオメディカルイメージングの分野は,X線から現在のイメージングツールへのX線の最初の発見から,磁気共鳴映像法(MRI),陽電子放出断層撮影法(PET),コンピュータ断層撮影法(CT),超音波法(US)などの大きな進歩を得た。これらの非侵襲的イメージング技術を使用することの利点は,器官または組織の現在の状態を評価することであり,それは,正確でタイムリーな診断および治療のために時間にわたる患者のモニターに使用できる。画像技術の発展により,自動画像解析のための高度な人工知能アルゴリズムの開発は,次の10年以内に臨床応用の多くの側面を変える可能性を示した。一方,これらの先進技術は新しい課題と課題をもたらした。したがって,臨床試験とデバイス改善の構成要素である生物医学イメージングコンピューティングに対する需要が高まっている。現在,Generative adversarial ネットワーク(GAN)は,データ生成または翻訳の能力により,コンピュータビジョンコミュニティにおける関心を高めている。GANベースモデルは,訓練データの集合から学習でき,訓練者と同じ特徴を持つ新しいデータを生成し,また,シャープで現実的な画像を生成するための最先端であることが証明されている。より重要なことに,GANは,画像再構成,セグメンテーション,診断,合成などの医学領域における多くの伝統的および新しい応用に対して急速に適用されてきた。これらの領域におけるGANの実質的な進歩にもかかわらず,医用画像コンピューティングへのそれらの適用は,まだ課題に直面し,未解決の問題が残っている。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  超音波 ,  セグメンテーション ,  *ネットワーク ,  画像処理 ,  人工知能 ,  臨床試験 ,  医用画像 ,  コンピュータビジョン ,  NMRイメージング ,  PET【トモグラフィー】 ,  画像再構成
準シソーラス用語： *生物医学 ,  非侵襲 ,  臨床応用 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 生物医学 ,  計算 ,  編集 ,  敵対