| 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 | 2020-01-29 13:20 ［ポスター講演］CNN特徴量と形態的特徴量を用いた乳房超音波画像における腫瘤病変の病理組織型の分類法 ○國枝紳也・檜作彰良・中山良平（立命館大）  MI2019-76 |
|
| 抄録 | （和） | 本研究の目的は，医師の治療方針の決定を支援するために，CNN（Convolutional Neural Network）特徴量と形態的特徴量を用いたSVM（Support Vector Machine）により，乳房超音波画像における腫瘤病変の病理組織型を分類することである．実験試料は，585名の患者から得られた585枚の乳房超音波画像で構成される．提案手法では，まず，腫瘤病変より1,024個のCNN特徴量と8個の形態的特徴量を抽出する．そして，これらの特徴量を用いたSVMにより，腫瘤病変を4つの病理組織型に分類する．3-分割交差検証法に基づき，提案手法を実験試料に適用した結果，浸潤がん85.8%（187/218），非浸潤がん77.1%（54/70），線維腺腫83.5%（152/182），嚢胞85.2%（98/115）の分類精度が得られ，提案手法の有用性が示唆された． |
| （英） | The purpose of this study was to develop a computerized determination method for histological classifications of masses on breast ultrasonographic images using CNN (Convolutional Neural Network) features and morphologic features in order to assist clinicians in determining a treatment plan. Our database consisted of 585 breast ultrasonographic images obtained from 585 patients. In our proposed method, 1,024 CNN features and eight morphologic features were first determined from a mass. An SVM (Support Vector Machine) with those features was employed to classify among histological classifications of masses. Three-fold cross validation method was used for training and testing the SVM. The classification accuracies of the proposed method were 85.8% (187/218) for invasive carcinomas, 77.1% (54/70) for noninvasive carcinomas, 83.5% (152/182) for fibroadenomas, and 85.2% (98/115) for cysts, respectively. The proposed method yielding high classification accuracies would be useful in the differential diagnosis of masses on breast ultrasonographic images as diagnosis aid. | |
| キーワード | （和） | 病理組織型の分類 / 畳み込みニューラルネットワーク / 腫瘤 / 超音波画像 / / / / |
| （英） | Histological Classification / Convolutional Neural Network / Mass / Ultrasonographic Image / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 399, MI2019-76, pp. 53-55, 2020年1月. | |
| 資料番号 | MI2019-76 | |
| 発行日 | 2020-01-22 (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 | MI2019-76 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2020-01-29 - 2020-01-30 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWAKEN SEINENKAIKAN |
| 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 | 2020-01-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | CNN特徴量と形態的特徴量を用いた乳房超音波画像における腫瘤病変の病理組織型の分類法 |
| サブタイトル（和） | |
| タイトル（英） | Computerized Determination Method for Histological Classification of Breast Masses on Ultrasonographic Images Using CNN Features and Morphological Features |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 病理組織型の分類 / Histological Classification |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Network |
| キーワード(3)（和/英） | 腫瘤 / Mass |
| キーワード(4)（和/英） | 超音波画像 / Ultrasonographic Image |
| 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） | 國枝 紳也 / Shinya Kunieda / クニエダ シンヤ |
| 第1著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 檜作 彰良 / Akiyoshi Hizukuri / ヒズクリ アキヨシ |
| 第2著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 中山 良平 / Ryohei Nakayama / ナカヤマ リョウヘイ |
| 第3著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-01-29 13:20:00 |
| 発表時間 | 30分 |
| 申込先研究会 | MI |
| 資料番号 | MI2019-76 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.399 |
| ページ範囲 | pp.53-55 |
| ページ数 | 3 |
| 発行日 | 2020-01-22 (MI) |
[研究会発表申込システムのトップページに戻る]