文献

J-GLOBAL ID：202202275123193603   整理番号：22A1113245

腎臓病理学における自動細粒糸球体病変認識【JST・京大機械翻訳】

Automatic fine-grained glomerular lesion recognition in kidney pathology

著者 (8件)： Nan Yang (National Heart and Lung Institute, Imperial College London, London, United Kingdom) ,  Li Fengyi (PingAn Healthcare Technology, Shanghai, China) ,  Tang Peng (Department of Informatics, Technical University of Munich, Munich, Germany) ,  Zhang Guyue (PingAn Healthcare Technology, Shanghai, China) ,  Zeng Caihong (National Clinical Research Center of Kidney Diseases, Nanjing University School of Medicine, Nanjing, China) ,  Xie Guotong (PingAn Healthcare Technology, Shanghai, China) ,  Liu Zhihong (National Clinical Research Center of Kidney Diseases, Nanjing University School of Medicine, Nanjing, China) ,  Yang Guang (National Heart and Lung Institute, Imperial College London, London, United Kingdom)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 127  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 糸球体病変の認識は,腎臓病理学における診断および治療計画の鍵である。しかし,メサンギウム領域のような共存する糸球体構造は,この課題の困難さを悪化させる。本論文では,全スライド画像から細粒糸球体病変を認識するための方式を導入した。最初に,焦点インスタンス構造類似性損失を,すべての型の糸球体を正確に位置決めするために,モデルを駆動するために提案した。次に,不確実性Aided Apportionment Networkを設計して,境界ボックスアノテーションなしで細粒視覚分類を実施した。この二重分枝形状構造は,親クラスから子供クラスの共通の特徴を抽出し,訓練データセットを再構成するための不確実性因子を生成する。スライドワイズ評価の結果は,顕著な検出方法と比較して,平均精度の8~22%の改善で,全体のスキームの有効性を説明した。包括的結果は,提案した方法の有効性を明確に実証した。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 ,  セグメンテーション ,  データ ,  不確実性 ,  *糸球体 ,  スライド ,  検出法 ,  再構成 ,  形態 ,  子供 ,  類似性 ,  有効性 ,  治療計画
準シソーラス用語： 糸球体間質 ,  訓練データ ,  不確実性評価 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層畳込みニューラルネットワーク ,  糸球体セグメンテーション ,  細粒病変分類 ,  不確実性評価 ,  腎臓病理学

分類 (3件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 腎臓病理学 ,  細粒 ,  糸球体 ,  病変