| 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 | 2019-01-22 15:35 DeconvNetとV-Netを用いた3次元CT画像中の肺結節領域抽出 ○木寺俊介・木戸尚治・平野 靖（山口大）・田中伸幸（山口県済生会山口総合病院）  MI2018-85 |
|
| 抄録 | （和） | 肺結節の正確な領域抽出は，テクスチャ解析などを行う際において，非常に重要となる．しかしながら，近年CT画像のスライス枚数は増加傾向にあるため，人手による領域抽出では，非常に多くの時間を必要する．そこで本研究では，Deep Leaningの領域抽出モデルであるDeconvNetとV-Netを用いて，3次元CT画像中の肺結節の領域抽出を行った．実験ではCross EntropyとDice Lossの2種類のLoss関数を用いて学習を行った．その中での最も良い結果として，V-NetとDice Loss関数を用いた実験において，Dice係数で0.810±0.014を得た． |
| （英） | Semantic segmentation of lung nodules is important for texture analysis． However， manual segmentation needs a lot of time because the number of slices in CT images are huge． In this study， we segmented lung nodules on 3D CT images by use of DeconvNet and V-Net． In our experiment， we compared the performance of two loss functions named Cross Entropy and Dice Loss． The best performance in our study was 0.810±0.014 of dice index by using V-Net and Dice Loss． | |
| キーワード | （和） | 肺結節 / Deep Learning / 領域抽出 / 3次元CT画像 / / / / |
| （英） | lung nodule / Deep learning / Segmentation / 3D CT images / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 412, MI2018-85, pp. 103-106, 2019年1月. | |
| 資料番号 | MI2018-85 | |
| 発行日 | 2019-01-15 (MI) | |
| ISSN | 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 | MI2018-85 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2019-01-22 - 2019-01-23 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | |
| 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 | 2019-01-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | DeconvNetとV-Netを用いた3次元CT画像中の肺結節領域抽出 |
| サブタイトル（和） | |
| タイトル（英） | Segmentation of lung nodules on 3D CT images by using DeconvNet and V-Net |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 肺結節 / lung nodule |
| キーワード(2)（和/英） | Deep Learning / Deep learning |
| キーワード(3)（和/英） | 領域抽出 / Segmentation |
| キーワード(4)（和/英） | 3次元CT画像 / 3D CT images |
| 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） | 木寺 俊介 / Shunsuke Kidera / キデラ シュンスケ |
| 第1著者 所属（和/英） | 山口大学 (略称： 山口大) Yamaguchi University (略称： Yamaguchi Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 木戸 尚治 / Shoji Kido / キド ショウジ |
| 第2著者 所属（和/英） | 山口大学 (略称： 山口大) Yamaguchi University (略称： Yamaguchi Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 平野 靖 / Yasushi Hirano / ヒラノ ヤスシ |
| 第3著者 所属（和/英） | 山口大学 (略称： 山口大) Yamaguchi University (略称： Yamaguchi Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 田中 伸幸 / Nobuyuki Tanaka / |
| 第4著者 所属（和/英） | 山口県済生会山口総合病院 (略称： 山口県済生会山口総合病院) Saiseikai Yamaguchi General Hospital (略称： Saiseikai Hosp) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-01-22 15:35:00 |
| 発表時間 | 15分 |
| 申込先研究会 | MI |
| 資料番号 | MI2018-85 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.412 |
| ページ範囲 | pp.103-106 |
| ページ数 | 4 |
| 発行日 | 2019-01-15 (MI) |
[研究会発表申込システムのトップページに戻る]