文献

J-GLOBAL ID：202202285015607396   整理番号：22A0965799

OCT腎臓画像の自動セグメンテーションのためのソフト注意ベースU-NET【JST・京大機械翻訳】

Soft attention-based U-NET for automatic segmentation of OCT kidney images

著者 (3件)： Moradi Mousa (Univ. of Massachusetts Amherst (United States)) ,  Du Xian (Univ. of Massachusetts Amherst (United States)) ,  Chen Yu (Univ. of Massachusetts Amherst (United States))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11948  ページ： 119480N-6  発行年： 2022年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
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： 深層学習ベースモデルをコンピュータビジョンと画像解析で広範囲に用いて,画像中の関心領域(ROI)を自動的にセグメント化した。光学コヒーレンストモグラフィー(OCT)を用いて,尿細管密度や直径のような形態計測パラメータの定量化に使用できる腎臓の近位畳み込み細管(PCT)の画像を得た。しかしながら,スキャン中の大きな画像データセットと患者運動は,パターン認識と深い学習タスクを困難にする。他の課題は,データ不均衡と低ネットワーク性能を引き起こすROIピクセルと比較して,多数の非ROIである。本論文は,細管内腔腎臓画像の自動セグメンテーションのためのソフト注意ベースUNETモデルの開発を目的とする。注意-UNETは,グラウンドトルース構造に基づく特徴を抽出でき,従って,無関係な特徴マップは訓練中に寄与しない。ソフトAtten-UNETの性能を標準UNET,残差UNET(Res-UNET)および完全畳込みニューラルネットワーク(FCN)と比較した。元のデータセットは,訓練と試験のための169の移植腎臓からの14403のOCT画像を含んでいる。結果は,ソフトAttention-UNETが,手動セグメンテーション結果(スコア=0.835±0.05)と,Res-UNET,正規UNET,およびFCNネットワークの間の最良のセグメンテーションスコアと同程度の,0.83の,0.78±0.08と交差点の交差点(IOU)のジセスコアを達成できることを示した。結果は,CLAHEコントラスト強調が,すべてのモデルのセグメンテーション計量を有意に改善した(p<0.05)。本論文の実験結果は,ソフトな注意ベースのUNETが,細管内腔同定と局在性のために非常に強力であり,できるだけ速くて正確に新しい移植腎臓に関する臨床意思決定を改善することができることを証明した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  パターン認識 ,  意思決定 ,  学習 ,  *セグメンテーション ,  ネットワーク ,  *腎臓 ,  残差 ,  *画像 ,  画素 ,  画像分析 ,  コンピュータビジョン
準シソーラス用語： コントラスト強調 ,  グランドトゥルース ,  深層学習 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (6件)： OCT ,  腎臓 ,  自動セグメンテーション ,  ソフト ,  注意 ,  U-Net