文献

J-GLOBAL ID：202202291855821718   整理番号：22A0970950

マルチレベル注意ネットワーク:脳腫瘍分類への応用【JST・京大機械翻訳】

Multi-level attention network: application to brain tumor classification

著者 (2件)： Shaik Nagur Shareef (TATA Consultancy Services Limited, Hyderabad, India) ,  Cherukuri Teja Krishna (TATA Consultancy Services Limited, Hyderabad, India)
資料名： Signal, Image and Video Processing  (Signal, Image and Video Processing)
巻： 16  号： 3  ページ： 817-824  発行年： 2022年 
JST資料番号： W4946A  ISSN： 1863-1711  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 脳腫瘍分類は,医用画像解析の分野での挑戦的な課題の1つである。脳腫瘍診断過程中に発生するどんな故障も,ヒトの寿命減少をもたらす可能性がある。腫瘍診断のプロセスを自動化することは,診断過程におけるヒューマンエラーの数を減少させる可能性がある。最近の技術的進歩により,医用画像分析タスクに対する視覚的注意は,コンピュータ支援診断システムの設計における研究コミュニティにより広く採用されている。本研究では,脳腫瘍認識のタスクのためのマルチレベル注意機構を紹介した。提案したマルチレベル注意ネットワーク(MANet)は,腫瘍領域を優先するだけでなく,X知覚バックボーンから得られた意味特徴配列に存在する交差チャネル時間依存性を維持する空間および交差チャネル注意の両方を含む。提案した手法の性能を,図式とBraTSベンチマークデータセットで評価した。著者らの実験的研究は,空間注意とともに交差チャネル注意ブロックがより良く一般化し,より少ないモデルパラメータで優れた性能をもたらすことを明らかにした。提案したMANetは,Figshareで96.51%,BraTS’2018データセットで94.91%の最高精度を達成し,腫瘍認識タスクに対するいくつかの既存モデルより優れていた。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  *ネットワーク ,  分類 ,  *腫瘍 ,  *脳腫瘍 ,  ヒト ,  ヒューマンエラー ,  診断 ,  画像分析 ,  チャネル
準シソーラス用語： 視覚的注意 ,  *マルチレベル ,  モデルパラメータ ,  計算機支援診断システム ,  癌診断 ,  医用画像解析 , 【Automatic Indexing@JST】

著者キーワード (4件)： 脳腫瘍分類(BTC) ,  事前訓練された極端な開始ネットワーク(Xception) ,  マルチレベル注意 ,  畳込みLSTM(ConvLSTM)

分類 (3件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T) ,  神経系の腫よう  (GN04000V)

タイトルに関連する用語 (5件)： マルチレベル ,  注意 ,  脳腫瘍 ,  分類 ,  応用