文献

J-GLOBAL ID：201702288982451062   整理番号：17A0472994

深い畳込みニューラルネットワークから学んだグラフ辺重みを持つ光干渉断層法からの脈絡セグメンテーション【Powered by NICT】

Choroid segmentation from Optical Coherence Tomography with graph-edge weights learned from deep convolutional neural networks

著者 (13件)： Sui Xiaodan (School of Information Science and Engineering, Shandong Normal University, Shandong, China) ,  Sui Xiaodan (Institute of Life Sciences, Shandong Normal University, Shandong, China) ,  Sui Xiaodan (Key Laboratory of Intelligent Information Processing at Shandong Normal University, Shandong, China) ,  Zheng Yuanjie (School of Information Science and Engineering, Shandong Normal University, Shandong, China) ,  Zheng Yuanjie (Institute of Life Sciences, Shandong Normal University, Shandong, China) ,  Zheng Yuanjie (Key Laboratory of Intelligent Information Processing at Shandong Normal University, Shandong, China) ,  Wei Benzheng (Shandong University of Traditional Chinese Medicine, Shandong, China) ,  Bi Hongsheng (Eye Institute of Shandong University of TCM, Shandong, China) ,  Bi Hongsheng (Affiliated Eye Hospital of Shandong University of TCM, Shandong, China) ,  Wu Jianfeng (Shandong University of Traditional Chinese Medicine, Shandong, China) ,  Pan Xuemei (Affiliated Eye Hospital of Shandong University of TCM, Shandong, China) ,  Yin Yilong (School of Computer Science and Technology, Shandong University, Shandong, China) ,  Zhang Shaoting (Department of Computer Science, University of North Carolina at Charlotte, NC, USA)
資料名： Neurocomputing  (Neurocomputing)
巻： 237  ページ： 332-341  発行年： 2017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)

抄録/ポイント： 光コヒーレンストモグラフィー(OCT)で脈絡膜を調べる多くの眼状態の病態生理学的因子に重要な役割を果たしている。脈絡膜境界を検出するための既存の手法の中で,グラフ探索に基づく方法は,最先端に属している。しかし,これらの技術の大部分はグラフ辺の重みに手作りのモデルに依存しており,それらの性能は主に弱い脈絡膜境界,脈絡膜の組織構造,脈絡膜の組織構造の不均一性と脈絡膜厚の大きな変動により制限されている。この制限を回避するために,著者らは,最適グラフ辺の重みは,生の画素から直接学習できるマルチスケールとエンドツーエンド畳込みネットワークアーキテクチャを提案した。著者らの方法は,様々なスケールで動作し,2D OCT画像からの局所的および大域的情報を組み合わせたものである。912OCT Bスキャンに基づいて得られた実験結果は,我々の学習されたグラフのエッジ重みは,従来の手作業のものの性能を上回るともOCT画像は健常者または患者の有意な網膜構造変化を観察することができるからであるロバストかつ正確に振舞うことを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 脈絡膜 ,  不均一性 ,  網膜 ,  病態生理 ,  膜厚 ,  画素 ,  *セグメンテーション ,  ロバスト性 ,  ネットワークアーキテクチャ ,  組織構造 ,  *畳込み ,  患者
準シソーラス用語： 健常者 ,  マルチスケール ,  *光コヒーレンストモグラフィー , 【Automatic Indexing@JST】

著者キーワード (5件)： 画像セグメンテーション ,  学習 ,  CNN ,  脈絡 ,  OCT

分類 (2件)： グラフ理論基礎  (IA02020S) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 畳込みニューラルネットワーク ,  グラフ ,  辺 ,  光干渉断層法 ,  脈絡 ,  セグメンテーション