文献

J-GLOBAL ID：201602238945593169   整理番号：16A1320070

表現学習を用いた医用画像の超解像【Powered by NICT】

Super-resolution of medical image using representation learning

著者 (5件)： Yang Xiong (School of Computer and Information, Hefei University of Technology, Hefei, China 230009) ,  Zhant Shu (School of Computer and Information, Hefei University of Technology, Hefei, China 230009) ,  Hu Changsheng (School of Computer and Information, Hefei University of Technology, Hefei, China 230009) ,  Liang Zhicheng (School of Computer and Information, Hefei University of Technology, Hefei, China 230009) ,  Xie Dongdong (Second Affiliated Hospital of Urology, Anhui Medical University, Hefei, China 230601)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： WCSP  ページ： 1-6  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 単一画像の超解像(SR)は医用画像ベース診断における意味のある挑戦であるが,画像分解能は限られている。,多数の深層ニューラルネットワークに基づくモデルを提案し,以前の手製の方法より優れている優れた性能を達成した。本論文では,単一医用画像の超解像(SR)のための深層畳込みニューラルネットワーク,高分解能空間への低分解能空間から非線形マッピングを学習する直接を採用した。添加では,それぞれ三組の画像データ(乳腺,前立腺組織とヒト脳)訓練深層ネットワークを用いた。最初に,無作為化修正線形ユニット(RReLU),圧縮の問題を解決するために負の部分の非零勾配を組み込んだを用いた。第二に,再構成結果の品質を向上させ,過剰適合の雑音を低減する目的で,SRCNNに対するNesterovの加速勾配(NAG)法を用いて,損失関数の収束を加速し,大きな振動を避けることである。提案したアルゴリズムの妥当性を検証するために実画像データを用いた一連の実験で実施した比較性能評価。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 再構成 ,  *画像 ,  ヒト ,  畳込み ,  性能評価 ,  高分解能 ,  *医用画像 ,  深層 ,  線形性 ,  *超解像 ,  損失関数 ,  ニューラルネットワーク
準シソーラス用語： 画像データ ,  低分解能 ,  画像解像度 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 表現学習 ,  医用画像 ,  超解像