| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-01-18 16:35 Visible Korean Projectの頭部断面画像における深層学習に基づく抽出手法 ○モハマド エシギ・ホルガー ロス・小田紘久・小田昌宏（名大）・鄭 民錫（亜洲大）・森 健策（名大）  MI2016-119 |
|
| 抄録 | （和） | 本稿ではVisible Korean Human (VKH) プロジェクトの頭部断面画像における，Deep Convolutional Neural Network (DCNN) に基づく全自動抽出手法を提案する．識別ネットワークをFully Convolutional Network (FCN) と交換することで，入力画像より小さく粗い抽出結果マップを得ることができる．このマップを修正して，入力画像と同じ解像度の抽出結果を得るため，従来のFCNではこのマップをアップサンプルできる deconvolution レイヤを使用する．しかしながら，deconvolution によるアップサンプルはネットワークパラメータ数を増大させる．扱う画像サイズなどを拡大しながら，ネットワークパラメータやフィルタ重みの数の増大を抑えてアクティベーションマップを求めるために，dilated convolutionが提案されている．そこで我々は，従来のFCNとdilated convolution に基づくFCNの両方を，頭部画像のセグメンテーションに用いる．定性評価の結果，dilated convolutionに基づくFCNが従来のFCNよりも良好な結果を示した． |
| （英） | This paper presents the first end-to-end pixelwise fully automated segmentation of the head sectioned images of the Visible Korean Human (VKH) Project based on Deep Convolutional Neural Networks (DCNN). By converting classification networks into Fully Convolutional Networks (FCN), a coarse map, with smaller size than the original input image, for segmentation can be created. To refine this map and obtain a pixel-dense output, standard FCNs use deconvolution layer to bilinearly upsample this coarse map. However, upsampling based on deconvolution increases the number of network parameters. To substantially expand the receptive fields or fields of view, being used for calculating the activation maps, without dramatically increasing the numbers of network parameters or filter weights, dilated convolution has been introduced recently. We used both standard FCN and dilated-convolution-based FCN for semantic segmentation of the head images. Qualitative results showed the advantage of using dilated convolutions compared to standard fully convolutional networks. | |
| キーワード | （和） | Segmantic segmentation / 畳み込みニューラルネットワーク (CNN) / Dilated convolution / 深層学習 / / / / |
| （英） | Semantic Segmentation / Convolutional Neural Networks (CNN) / Dilated Convolution / Deep Learning / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 393, MI2016-119, pp. 191-194, 2017年1月. | |
| 資料番号 | MI2016-119 | |
| 発行日 | 2017-01-11 (MI) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | MI2016-119 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2017-01-18 - 2017-01-18 |
| 開催地（和） | 那覇市ぶんかテンブス館（那覇市） |
| 開催地（英） | Tenbusu Naha |
| テーマ（和） | 医用画像工学一般 |
| テーマ（英） | Medical Image Engineering, Analysis, Recognition, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2017-01-MI |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | Visible Korean Projectの頭部断面画像における深層学習に基づく抽出手法 |
| サブタイトル（和） | |
| タイトル（英） | Deep-Learning-Based Segmentation for the Head Sectioned Images of the Visible Korean Project |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Segmantic segmentation / Semantic Segmentation |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク (CNN) / Convolutional Neural Networks (CNN) |
| キーワード(3)（和/英） | Dilated convolution / Dilated Convolution |
| キーワード(4)（和/英） | 深層学習 / Deep Learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | モハマド エシギ / Mohammad Eshghi / モハマド エシギ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | ホルガー ロス / Holger R. Roth / ホルガー ロス |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 小田 紘久 / Hirohisa Oda / オダ ヒロヒサ |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 小田 昌宏 / Masahiro Oda / オダ マサヒロ |
| 第4著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 鄭 民錫 / Min Suk Chung / チョン ミンスク |
| 第5著者 所属（和/英） | 亜洲大学校 (略称： 亜洲大) Ajou University (略称： Ajou Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 森 健策 / Kensaku Mori / モリ ケンサク |
| 第6著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-01-18 16:35:00 |
| 発表時間 | 12分 |
| 申込先研究会 | MI |
| 資料番号 | MI2016-119 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.393 |
| ページ範囲 | pp.191-194 |
| ページ数 | 4 |
| 発行日 | 2017-01-11 (MI) |
[研究会発表申込システムのトップページに戻る]