文献
J-GLOBAL ID:202202276827478606   整理番号:22A1116716

マルチモーダル心臓画像のための特徴集約とマルチレベル注意機構を持つ2段階セグメンテーションネットワーク【JST・京大機械翻訳】

Two-stage segmentation network with feature aggregation and multi-level attention mechanism for multi-modality heart images
著者 (6件):
資料名:
巻: 97  ページ: Null  発行年: 2022年 
JST資料番号: T0220A  ISSN: 0895-6111  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: イギリス (GBR)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マルチモダリティ心臓画像における心臓下部構造の正確なセグメンテーションは,心血管疾患の診断および治療のための重要な必要条件である。しかし,心臓画像のセグメンテーションは,(1)複数のターゲットの干渉,(2)サンプルサイズの不均衡,により困難なタスクである。したがって,本論文では,これらの課題を包括的に解決するために,特徴集約とマルチレベル注意機構(TSFM-Net)を持つ新しい2段階セグメンテーションネットワークを提案する。最初に,マルチターゲット特徴の有効性を改善するために,著者らは,バックボーンセグメンテーションフレームワークとして符号器デコーダ構造を採用して,マルチレベル特徴表現(ステージ1)を実現するために,特徴集約モジュール(FAM)を設計した。第2に,Stage1から得られたセグメンテーション結果が単一スケール特徴マップの復号化に限定されるので,マルチレベル注意マップを得るために,多重ターゲットにより多くの注意を割り当てるために,マルチレベル注意機構(MLAM)を設計した。著者らは,これらの注意マップを融合して,最終セグメンテーション結果(ステージ2)を得るために,第2のセグメンテーションを実行するために,ステージ1の出力を連結する。提案方法は,最先端の方法より2017MM-WHSマルチモダリティ全体の心臓画像に関してより良いセグメンテーション性能とバランスを持ち,それは心臓画像の正確なセグメンテーションのためのTSFM-Netの実現可能性を実証した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
医用画像処理 

前のページに戻る