文献

J-GLOBAL ID：202202286879721234   整理番号：22A0965749

巨視的拡散光学イメージングにおける深層学習【JST・京大機械翻訳】

Deep learning in macroscopic diffuse optical imaging

著者 (5件)： Smith Jason T. (Rensselaer Polytechnic Institute, Department of Biomedical Engineering, Troy, New York, United States) ,  Ochoa Marien (Rensselaer Polytechnic Institute, Department of Biomedical Engineering, Troy, New York, United States) ,  Faulkner Denzel (Rensselaer Polytechnic Institute, Department of Biomedical Engineering, Troy, New York, United States) ,  Haskins Grant (Rensselaer Polytechnic Institute, Department of Biomedical Engineering, Troy, New York, United States) ,  Intes Xavier (Rensselaer Polytechnic Institute, Center for Modeling, Simulation and Imaging for Medicine, Troy, New York, United States)
資料名： Journal of Biomedical Optics  (Journal of Biomedical Optics)
巻： 27  号： 2  ページ： 020901  発行年： 2022年 
JST資料番号： W1782A  ISSN： 1083-3668  CODEN： JBOPFO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 要約。意義:バイオメディカル光学系設計,画像形成,および画像解析は,古典的物理モデリングと信号処理方法論によって主に誘導されている。しかし,最近,深層学習(DL)は計算モデリングにおける主要なパラダイムとなり,多数の科学ドメインと様々な形式のデータ解析での有用性を実証してきた。目的:巨視的拡散光学イメージング(DOI)に適用されるDLの使用を包括的にレビューすることを目的とする。方法:まず,DLへのレイマン導入を提供する。次に,このレビューは,光学特性検索,蛍光寿命イメージング,および拡散光トモグラフィーを含む,この分野の最も活発な領域のいくつかにおける現在のDL研究を要約した。結果:ここでレビューした文献において引用された従来の逆ソルバに対するDOIに対するDL使用の利点は,多数のものである。これらには,分析時間の減少(しばしば,数桁の大きさ),定量的再構成品質,ノイズに対するロバスト性,および複雑なエンドツーエンド関係を学習するユニークな能力が含まれる。結論:広範囲の複雑な逆解決方法論にわたるDLの使用の非常に検証された能力は,新しいDOI様式をもたらす大きな可能性を有し,そうでなければ,患者のベッドサイドへの臨床翻訳に非現実的と考えられる。Copyright The Authors Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 光学的性質 ,  雑音 ,  品質 ,  信号処理 ,  *光学 ,  *画像処理 ,  エンドツーエンド方式 ,  臨床医学 ,  画像分析 ,  ロバスト性 ,  計算機トモグラフィー ,  *機械学習
準シソーラス用語： ソルバ ,  拡散光トモグラフィー ,  生物医学 ,  物理モデル ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： 巨視的拡散光学 ,  深層学習 ,  拡散光トモグラフィー ,  レビュー ,  拡散光学 ,  蛍光分子トモグラフィー ,  寿命イメージング ,  組織血行動態

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (3件)： 拡散光 ,  イメージング ,  深層学習