A squeeze M-SegNet architecture for segmentation of brain tissues on MRI

Nagaraj Yamanakkanavar; Bumshik Lee

추천

검색

질문

자료유형: 학술대회자료

저자정보: Nagaraj Yamanakkanavar (조선대학교) Bumshik Lee (조선대학교)

저널정보: 한국통신학회 한국통신학회 학술대회논문집 2021년도 한국통신학회 하계종합학술발표회 논문집

발행연도: 2021.6

수록면: 539 - 542 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Accurate segmentation of brain tissue in a magnetic resonance imaging (MRI) is an important biomarker of medical imaging. Hence, segmentation methods are in research focus and various methods are presented in the literature. In this paper, we proposed the novel M-SegNet architecture with fire module (squeeze and expand layers) for segmentation of brain MRI. The proposed model utilizes long-skip connections, as well as squeeze and expand convolutional layers from the fire module to segment brain MRI. The M-SegNet architecture consists of a multi-scale deep network at the encoder side, deep supervision at the decoder side, and the architecture uses pooling indices along with skip-connections from the encoder to the decoder layer. The multi-scale side input layers are used to support deep layers for extracting the discriminative information and the decoder side provides deep supervision to reduce the gradient problem. The skip-connections are used to pass features from the encoder to the decoder path to recover the spatial information lost during down-sampling and pooling indices helps for faster convergence of the model. Besides, the proposed method results in fewer parameters generation with efficient memory use and, hence is faster to train in comparison with conventional methods. The proposed method was evaluated against widely used segmentation methods on publically available datasets. Experimental results show that the proposed method can segment brain MRI more accurately as compared with several state-of-the-art methods.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Nagaraj Yamanakkanavar

소속기관 조선대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 1 이용수 24

Bumshik Lee

소속기관 조선대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 컴퓨터학

논문수 48 이용수 1,911

이 논문과 함께 이용한 논문

Multi-scale U-SegNet architecture with cascaded dilated convolutions for brain MRI Segmentation

Chait , a Dayananda , Bumshik Lee 한국방송미디어공학회 학술발표대회 논문집 2020 .11

Restoring water drop on window using Conditional Generative Adversarial Networks

Suhan Koo , JooHyen Rho , Kyong-Ho Yoo 외 1명 한국콘텐츠학회 ICCC 논문집 2018 .12

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)