OASIS:医用画像セグメンテーションのためのワンパス整列アトラスセット【JST・京大機械翻訳】

Zhu Qikui; Zhu Qikui; Wang Yanqing; Du Bo; Yan Pingkun

文献

J-GLOBAL ID：202202292013419077 整理番号：22A0104573

OASIS:医用画像セグメンテーションのためのワンパス整列アトラスセット【JST・京大機械翻訳】

OASIS: One-pass aligned atlas set for medical image segmentation

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0104573&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0104573&from=J-GLOBAL&jstjournalNo=W0360A") }}

著者 (5件)： , , , ,
資料名：
巻： 470 ページ： 130-138 発行年： 2022年
JST資料番号： W0360A ISSN： 0925-2312 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

医用画像セグメンテーションは医用画像解析における基本的タスクである。深い畳み込みニューラルネットワークは,この挑戦的なタスクにおいて恒星性能を獲得したにもかかわらず,それらは典型的に大きなラベル付きデータセットに依存しており,それはカスタマイズされたアプリケーションへのそれらの拡張を制約している。アトラスベースセグメンテーション法の優位性を再考することにより,画像セグメンテーション(OASIS)のためのワンパス配列アトラス集合の新しいフレームワークを提案した。アトラスワーピングに使用される時間消費反復画像記録の問題に対処するために,提案方法は,ワンパス画像記録を達成するために,深層学習の電力を利用する。さらに,ラベル制約を適用することにより,OASISはセグメンテーションの性能改善のために分割される領域に焦点を当てた。さらに,ラベル融合のための画像ベースの類似性を使用する代わりに,大きなバックグラウンド領域によって混乱できる,ラベル融合のためのラベル類似性ベースの重みを計算する新しい戦略を提案する。前立腺MR画像セグメンテーションの挑戦的なタスクに関する著者らの実験結果は,OASISが他の最先端の方法と比較してセグメンテーション性能を著しく増加させることができることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

医用画像処理

, , , ,

前のページに戻る