| 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 | 2019-09-05 14:10 CNN特徴量の解析と特徴選択 ～ 超拡大大腸内視鏡画像を用いた腫瘍性病変認識に向けて ～ ○伊東隼人（名大）・森 悠一・三澤将史（昭和大横浜市北部病院）・小田昌宏（名大）・工藤進英（昭和大横浜市北部病院）・森 健策（名大）  PRMU2019-29 MI2019-48 |
|
| 抄録 | （和） | ポリープの病理学的パターンの識別はポリープ表面を超高倍率拡大観察して得られるテクスチャのパターンに基づく. 深層学習は大規模データに基づく表現学習方法として様々な分野で用いられており, 医用画像における病理学的パターンの識別も応用先のひとつである. 深層学習は与えられた学習データに対して損失関数を最小化する特徴量表現を達成する. しかし, これは与えられた深層学習のアーキテクチャと損失関数に対する最尤推定の意味での最適化であり, 識別的な特徴量表現が達成できているかどうかは確かでない. 本稿ではポリープ表面の超拡大大腸内視鏡画像を対象に深層学習を用いて特徴量抽出を行い, 得られた特徴量とテクスチャ特徴量の比較を行うことで, 深層学習によって得られる特徴量の実験的な解析を行う. |
| （英） | Pathological pattern classification is based on texture patterns in ultra magnified view of polyp surfaces. Deep learning is known as an useful representation learning method with large dataset in several fields including pathological classification of medical images.This representation learning method achieves an optimal representation of patterns for predefined architecture by minimising a value of loss function. However, this is the optimisation in the meaning of maximum likelihood estimation with train data for the given architecture and loss function.Therefore, whether the extracted feature is really discriminative feature or not is unclear. In this work, we analyse discriminative and generalisation ability of deep-learning based feature by comparing with texture future for colorectal endocytoscopic images of polyp surfaces. |
|
| キーワード | （和） | 超拡大内視鏡 / 自動病理診断 / 深層学習 / 特徴選択 / 多様体学習 / 定正準化 / / |
| （英） | Endocytoscopy / automated pathological diagnosis / deep learning / feature selection / manifold learning / definite canonicalisation / / | |
| 文献情報 | 信学技報, vol. 119, no. 193, MI2019-48, pp. 129-134, 2019年9月. | |
| 資料番号 | MI2019-48 | |
| 発行日 | 2019-08-28 (PRMU, 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 | PRMU2019-29 MI2019-48 |
|
| 研究会情報 | |
| 研究会 | PRMU MI IPSJ-CVIM |
| 開催期間 | 2019-09-04 - 2019-09-05 |
| 開催地（和） | 岡山大学 |
| 開催地（英） | |
| テーマ（和） | 医療・健康のためのCV/PR技術 |
| 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 | 2019-09-PRMU-MI-CVIM |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | CNN特徴量の解析と特徴選択 |
| サブタイトル（和） | 超拡大大腸内視鏡画像を用いた腫瘍性病変認識に向けて |
| タイトル（英） | Analysis and Feature Selection of CNN Features |
| サブタイトル（英） | Recognition of Neoplasia by using Endocytoscopic Images |
| キーワード(1)（和/英） | 超拡大内視鏡 / Endocytoscopy |
| キーワード(2)（和/英） | 自動病理診断 / automated pathological diagnosis |
| キーワード(3)（和/英） | 深層学習 / deep learning |
| キーワード(4)（和/英） | 特徴選択 / feature selection |
| キーワード(5)（和/英） | 多様体学習 / manifold learning |
| キーワード(6)（和/英） | 定正準化 / definite canonicalisation |
| 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） | 伊東 隼人 / Hayato Itoh / イトウ ハヤト |
| 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） | 森 悠一 / Yuichi Mori / モリ ユウイチ |
| 第2著者 所属（和/英） | 昭和大学横浜市北部病院 (略称： 昭和大横浜市北部病院) Showa University Northern Yokohama Hospital (略称： Showa Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 三澤 将史 / Masashi Misawa / ミサワ マサシ |
| 第3著者 所属（和/英） | 昭和大学横浜市北部病院 (略称： 昭和大横浜市北部病院) Showa University Northern Yokohama Hospital (略称： Showa 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） | 工藤 進英 / Shin-Ei Kudo / クドウ シンエイ |
| 第5著者 所属（和/英） | 昭和大学横浜市北部病院 (略称： 昭和大横浜市北部病院) Showa University Northern Yokohama Hospital (略称： Showa 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.) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-09-05 14:10:00 |
| 発表時間 | 15分 |
| 申込先研究会 | MI |
| 資料番号 | PRMU2019-29, MI2019-48 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.192(PRMU), no.193(MI) |
| ページ範囲 | pp.129-134 |
| ページ数 | 6 |
| 発行日 | 2019-08-28 (PRMU, MI) |
[研究会発表申込システムのトップページに戻る]