U-Net | Abstract 第4文

We show that such a network can be trained end-to-end from very few images and outperforms the prior best method (a sliding-window convolutional network) on the ISBI challenge for segmentation of neuronal structures in electron microscopic stacks.

Olaf Ronneberger, et al., "U-Net: Convolutional Networks for Biomedical Image Segmentation"

https://arxiv.org/abs/1505.04597

医療用画像のようにデータ数をたくさん用意できない場合においても、精度の良いセグメンテーションを可能にしたU-Netの論文である"U-Net: Convolutional Networks for Biomedical Image Segmentation"のAbstractの第4文について、英語リーディング教本のFrame of Reference(F.o.R.)を使って英文構造を解読します。

「我々は、そのようなネットワークは非常に少ない画像から一気通貫で訓練されることが可能であり、電子顕微鏡連続切片画像の中の神経構造の領域分割のためのISBIチャレンジにおける以前の最高の手法(スライディングウインドウ畳み込みネットワーク)より性能が優れていることを示す。」

"stacks"を「連続切片画像」と訳しましたが、こちらの論文の日本語タイトルを参考にさせていただきました。ISBI Challenge: Segmentation of neuronal structures in EM stacksのサイトにも、"The training data is a set of 30 sections from a serial section Transmission Electron Microscopy (ssTEM) data set of the Drosophila first instar larva ventral nerve cord (VNC)."と記載がありますので、30個の連続断面(切片)からなるショウジョウバエの神経構造の画像セットからセグメンテーションを行うタスクのようです。

---

ai-paper-for.hatenablog.com

  

薬袋善郎先生の公式ウェブサイト 

http://minai-yoshiro.com

---