文献

J-GLOBAL ID：201702262310438339   整理番号：17A0096027

SAE深さ特徴学習に基づくデジタルヒト脳スライス画像分割【JST・京大機械翻訳】

Deep SAE Feature Learning Based Segmentation for Digital Human Brain Image

著者 (5件)： Zhao Guangjun (Key Laboratory of Optoelectronic Technology and Systems of Ministry of Education, Chongqing University) ,  Wang Xuchu (Key Laboratory of Optoelectronic Technology and Systems of Ministry of Education, Chongqing University) ,  Niu Yanmin (College of Computer and Information Science, Chongqing Normal University) ,  Tan Liwen (Institute of Computing Medicine, Third Military Medical University) ,  Zhang Shaoxiang (Institute of Computing Medicine, Third Military Medical University)
資料名： Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao  (Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao)
巻： 28  号： 8  ページ： 1297-1305  発行年： 2016年 
JST資料番号： W1498A  ISSN： 1003-9775  CODEN： JFTXFX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文では,デジタル脳のスライス画像に基づく分割アルゴリズムが少なく,分割精度が低く,有効性が低いなどの欠点を克服するために,スパース自己符号器(SAE)に基づく深さ特徴学習アルゴリズムを提案した。特徴抽出段階において,粗さの二段階方式を用いて,SAEを訓練し,モデル学習の深さ特性の識別能力を強化した。分類の段階において,SOFTMAX分類装置を用いてターゲットセグメンテーションを行った。中国の可視化人体(CVH)データセットの脳白質分割と三次元再構築の実験結果により、その他の従来の手動特徴(例えば画像強度特徴、方向勾配ヒストグラム特徴と主成分分析特徴)に対して、SAE抽出した画像の深さ特徴はより強い識別能力があることが分かった。この方法は,分割精度を著しく改善した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 学習アルゴリズム ,  再構成 ,  特徴抽出 ,  透視図法 ,  ヒストグラム ,  *ディジタル方式 ,  白質 ,  符号器 ,  *学習 ,  主成分分析 ,  分類装置 ,  *画像 ,  三次元
準シソーラス用語： モデル学習 ,  *画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (5件)： Chinese visual human ,  brain tissue segmentation ,  sparse autoencoder ,  deep-learning feature representations ,  softmax classifier

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： SAE ,  学習 ,  デジタル ,  ヒト ,  脳スライス ,  画像分割