講演抄録/キーワード |
講演名 |
2017-07-06 16:15
深層学習を用いた画像位置合わせのための教師データの自動生成手法 ○伊藤眞人・伊野文彦・萩原兼一(阪大) MI2017-28 |
抄録 |
(和) |
本稿では,深層学習による画像位置合わせの実現を目的として,教師データの自動生成手法を提案する.提案手法は,教師あり学習を少ない労力で遂行するために,実際の位置合わせで得られた少数の変位ベクトル場から多数の教師データを自動的に生成する.自動化を実現するために,任意の参照画像に対して変位ベクトル場$Phi$を適用した浮動画像を考え,両画像の正しい変位ベクトル場を$Phi$の逆ベクトルから得る.実験では,67万個の2次元MR(Magnetic Resonance)画像および既存の位置合わせ手法で得た30個の変位ベクトル場から,約17万個の正しい変位ベクトル(教師データ)を33分で生成できた.さらに,これらのデータをGoogLeNetの学習に用い,ホールドアウト検証を試みた結果,提案手法は既存手法と比べて再現率ならびに適合率をおよそ50%から80%に改善でき,より正しい方向の変位ベクトルを推定できた. |
(英) |
In this paper, we propose an automated method for generating training data that realizes image registration with deep learning. The proposed method minimizes efforts required for supervised learning by automatically generating millions of training sets from tens of vector fields obtained with actual registration. To automate this procedure, we produce a floating image by applying a vector field $Phi$ to a reference image and obtain the vector field for these images from the inverse vector of $Phi$. In experiments, the proposed method took 33 minutes to produce approximately 170,000 training sets from approximately 670,000 2-D magnetic resonance (MR) images and 30 vector fields generated with a previous registration method. We further trained GoogLeNet with these training sets and performed holdout validation to compare the proposed method with the previous registration method in terms of recall and precision. As a result, the proposed method increased recall and precision from 50% to 80%, predicting deformation vectors more correctly. |
キーワード |
(和) |
画像位置合わせ / 非剛体位置合わせ / 深層学習 / 教師データ / / / / |
(英) |
Image registration / nonrigid registration / deep learning / training data / / / / |
文献情報 |
信学技報, vol. 117, no. 117, MI2017-28, pp. 11-16, 2017年7月. |
資料番号 |
MI2017-28 |
発行日 |
2017-06-29 (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 |
MI2017-28 |
研究会情報 |
研究会 |
MI |
開催期間 |
2017-07-06 - 2017-07-07 |
開催地(和) |
東北大学 |
開催地(英) |
Tohoku Univ. |
テーマ(和) |
医用画像一般 |
テーマ(英) |
Medical Imaging, etc. |
講演論文情報の詳細 |
申込み研究会 |
MI |
会議コード |
2017-07-MI |
本文の言語 |
日本語 |
タイトル(和) |
深層学習を用いた画像位置合わせのための教師データの自動生成手法 |
サブタイトル(和) |
|
タイトル(英) |
An Automated Method for Generating Training Data for Image Registration Using Deep Learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
画像位置合わせ / Image registration |
キーワード(2)(和/英) |
非剛体位置合わせ / nonrigid registration |
キーワード(3)(和/英) |
深層学習 / deep learning |
キーワード(4)(和/英) |
教師データ / training data |
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) |
伊藤 眞人 / Masato Ito / イトウ マサト |
第1著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.) |
第2著者 氏名(和/英/ヨミ) |
伊野 文彦 / Fumihiko Ino / イノ フミヒコ |
第2著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.) |
第3著者 氏名(和/英/ヨミ) |
萩原 兼一 / Kenichi Hagihara / ハギハラ ケンイチ |
第3著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
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: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-07-06 16:15:00 |
発表時間 |
30分 |
申込先研究会 |
MI |
資料番号 |
MI2017-28 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.117 |
ページ範囲 |
pp.11-16 |
ページ数 |
6 |
発行日 |
2017-06-29 (MI) |