文献

J-GLOBAL ID：202202289683520999   整理番号：22A0827771

PTXNet:胸部X線撮影画像からの気胸の拡張型Unetモデルベースセグメンテーション【JST・京大機械翻訳】

PTXNet: An extended UNet model based segmentation of pneumothorax from chest radiography images

著者 (2件)： Patel Aarya (Department of CSE & IT, Jaypee Institute of Information Technology, Noida, Uttar Pradesh, India) ,  Vidyarthi Ankit (Department of CSE & IT, Jaypee Institute of Information Technology, Noida, Uttar Pradesh, India)
資料名： Expert Systems  (Expert Systems)
巻： 39  号： 3  ページ： e12807  発行年： 2022年 
JST資料番号： T0510A  ISSN： 0266-4720  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： ヒトの呼吸器分析において,肺は重要な役割を果たし,いくつかの関連疾患を見つけるのに用いることができる。このような条件の1つは,空気の胸膜空間への漏れにより発生する気胸と呼ばれ,肺崩壊を生じる。伝統的方法論は,影響を受けた領域の検出とセグメンテーションのための放射線科医の手動介入による胸部ラジオグラフィーを使用する。本論文では,適切な領域(RoI)の自動位置決めとセグメンテーションのための深層ニューラルネットワークベース方法論を導入した。提案手法は,既存のUNetモデルが拡張され,RoIセグメンテーションのためのPTXNetという新しいアーキテクチャに再設計される転送学習に基づいている。PTXNetでは,従来の符号器は,効率的なNet,SE-ResNeXt50,およびXception畳込みニューラルネットワーク(CNN)アーキテクチャを用いて再設計される。さらに,残差ブロックを復号器相に導入し,標準グローバルスキップ接続に加えて,以前の復号器ステージ特徴マップの連結を行った。PTXNetは15000以上の胸部X線撮影のデータセットで訓練され,84.89%の平均ジセ係数をもたらした。提案手法はUNetモデルよりも優れた結果が得られ,平均ジセ係数は18.76%であった。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *セグメンテーション ,  ニューラルネットワーク ,  復号器 ,  残差 ,  肺 ,  ヒト ,  *画像 ,  符号器 ,  ラジオグラフィー ,  *モデル ,  *気胸 ,  計算機アーキテクチャ
準シソーラス用語： *胸部X線撮影 ,  ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 胸部撮影 ,  深層学習 ,  拡張Unetモデル ,  医用画像解析 ,  気胸のセグメンテーション

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 胸部X線撮影 ,  気胸 ,  拡張 ,  モデルベースセグメンテーション