講演抄録/キーワード |
講演名 |
2019-05-24 15:15
深層学習を用いた脳CT像からの出血検出におけるデータ拡張とネットワーク構造の影響に関する考察 ○魯 仲陽・小田昌宏・鄭 通・申 忱・胡 涛(名大)・渡谷岳行・阿部 修(東大医学部附属病院)・橋本正弘・陣崎雅弘(慶大)・森 健策(名大) SIP2019-15 IE2019-15 MI2019-15 |
抄録 |
(和) |
深層学習を用いることでコンピュータによる画像分類の性能が大きく向上している.深層学習では学習データが少ない場合に十分な分類性能が得られないが,データ拡張を用いることで分類精度の向上が期待できる.本稿では,深層学習を用いた脳CT像からのクモ膜下出血検出におけるデータ拡張の影響を検討する.ここではVGG-16,GoogLeNet,ResNet,DenseNetの4種類のネットワーク構造を用いて,データ拡張の有無が脳CT像分類精度に与える影響について調べる.さらに,画像クロッピングを前処理として用いる場合の精度を調査した.本研究では,脳CT像33症例に含まれるAxialスライス1220枚を用いて実験を行った.F値,ROC曲線,AUC値を用いて5分割交差検定により分類精度を評価した.VGG-16による分類では,データ拡張を用いる場合のF値は74.99%であり,データ拡張を用いると76.23%であった.データ拡張前のAUC値は0.8220であり,データ拡張を用いると0.8396であった. |
(英) |
Based on deep learning technique, the performance of image classification has made great progress. However, their state-of-the-art results are based on enormous data. In this paper, we discuss the effectiveness of data augmentation. Several networks, such as VGG-16, GoogLeNet, Resnet-50, and DenseNet-121 are applied to examine the effectiveness of data augmentation and image cropping on the classification. In this study, 33 cases, a total of 1,220 2D axial CT slices with the condition of Subarachnoid Hemorrhage (SAH) are used in our experiment. This paper utilizes the standard performance measures covering recall, precision, F-measure, and ROC curve for evaluating the trained models. For acquiring more reliable results, 5-fold cross-validation method is employed. Trained on the original dataset, the models got 74.99% F1 score and 0.8220 AUC score, respectively. With the circumstance of augmented dataset, the models got 76.23% F1 score and 0.8396 AUC score. |
キーワード |
(和) |
深層学習 / 脳CT像 / クモ膜下出血 / データ拡張 / / / / |
(英) |
Deep learning / brain CT / Subarachnoid Hemorrhage / data augmentation / / / / |
文献情報 |
信学技報, vol. 119, no. 51, MI2019-15, pp. 65-70, 2019年5月. |
資料番号 |
MI2019-15 |
発行日 |
2019-05-16 (SIP, IE, 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 |
SIP2019-15 IE2019-15 MI2019-15 |
研究会情報 |
研究会 |
SIP MI IE |
開催期間 |
2019-05-23 - 2019-05-24 |
開催地(和) |
名古屋工業大学 |
開催地(英) |
|
テーマ(和) |
医療・介護・福祉・健康・スポーツのための信号・画像解析と理解 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
MI |
会議コード |
2019-05-SIP-MI-IE |
本文の言語 |
英語(日本語タイトルあり) |
タイトル(和) |
深層学習を用いた脳CT像からの出血検出におけるデータ拡張とネットワーク構造の影響に関する考察 |
サブタイトル(和) |
|
タイトル(英) |
On the influence of data augmentation and network structures in bleeding detection from brain CT images using deep learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
深層学習 / Deep learning |
キーワード(2)(和/英) |
脳CT像 / brain CT |
キーワード(3)(和/英) |
クモ膜下出血 / Subarachnoid Hemorrhage |
キーワード(4)(和/英) |
データ拡張 / data augmentation |
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) |
魯 仲陽 / Zhongyang Lu / ロ チュウヨウ |
第1著者 所属(和/英) |
名古屋大学大学院情報学研究科 (略称: 名大)
Graduate School of Informatics, Nagoya University (略称: Graduate School of Informatics, Nagoya Univ) |
第2著者 氏名(和/英/ヨミ) |
小田 昌宏 / Masahiro Oda / オダ マサヒロ |
第2著者 所属(和/英) |
名古屋大学大学院情報学研究科 (略称: 名大)
Graduate School of Informatics, Nagoya University (略称: Graduate School of Informatics, Nagoya Univ) |
第3著者 氏名(和/英/ヨミ) |
鄭 通 / Tong Zheng / テイ ツウ |
第3著者 所属(和/英) |
名古屋大学大学院情報学研究科 (略称: 名大)
Graduate School of Informatics, Nagoya University (略称: Graduate School of Informatics, Nagoya Univ) |
第4著者 氏名(和/英/ヨミ) |
申 忱 / Chen Shen / シン マコト |
第4著者 所属(和/英) |
名古屋大学大学院情報学研究科 (略称: 名大)
Graduate School of Informatics, Nagoya University (略称: Graduate School of Informatics, Nagoya Univ) |
第5著者 氏名(和/英/ヨミ) |
胡 涛 / Tao Hu / コ トウ |
第5著者 所属(和/英) |
名古屋大学大学院情報学研究科 (略称: 名大)
Graduate School of Informatics, Nagoya University (略称: Graduate School of Informatics, Nagoya Univ) |
第6著者 氏名(和/英/ヨミ) |
渡谷 岳行 / Takeyuki Watadani / |
第6著者 所属(和/英) |
東京大学医学部附属病院放射線科 (略称: 東大医学部附属病院)
Department of Radiology,The University of Tokyo Hospital (略称: Department of Radiology,The University of Tokyo Hospital) |
第7著者 氏名(和/英/ヨミ) |
阿部 修 / Osamu Abe / |
第7著者 所属(和/英) |
東京大学医学部附属病院放射線科 (略称: 東大医学部附属病院)
Department of Radiology,The University of Tokyo Hospital (略称: Department of Radiology,The University of Tokyo Hospital) |
第8著者 氏名(和/英/ヨミ) |
橋本 正弘 / Masahiro Hashimoto / |
第8著者 所属(和/英) |
慶應義塾大学医学部放射線科学教室 (略称: 慶大)
Department of Radiology,Keio University School of Medicine (略称: Department of Radiology,Keio University School of Medicine) |
第9著者 氏名(和/英/ヨミ) |
陣崎 雅弘 / Masahiro Jinzaki / |
第9著者 所属(和/英) |
慶應義塾大学医学部放射線科学教室 (略称: 慶大)
Department of Radiology,Keio University School of Medicine (略称: Department of Radiology,Keio University School of Medicine) |
第10著者 氏名(和/英/ヨミ) |
森 健策 / Kensaku Mori / モリ ケンサク |
第10著者 所属(和/英) |
名古屋大学大学院情報学研究科 (略称: 名大)
Graduate School of Informatics, Nagoya University (略称: Graduate School of Informatics, Nagoya Univ) |
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 |
2019-05-24 15:15:00 |
発表時間 |
25分 |
申込先研究会 |
MI |
資料番号 |
SIP2019-15, IE2019-15, MI2019-15 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.49(SIP), no.50(IE), no.51(MI) |
ページ範囲 |
pp.65-70 |
ページ数 |
6 |
発行日 |
2019-05-16 (SIP, IE, MI) |
|