| 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 | 2020-09-03 14:25 Cone-Beam CT画像の画質改善を目的とした3次元敵対的生成ネットワークの提案 ○羽瀬拓視・中尾 恵（京大）・今西勁峰（イーグロース）・中村光宏・松田哲也（京大）  MI2020-29 |
|
| 抄録 | （和） | Cone-beam CT(CBCT)画像に含まれるアーチファクトや欠損は、放射線治療や手術支援において問題となっている。教師なし学習による画像変換を用いた従来研究によって金属アーチファクトの低減や頭頚部CBCT画像の画質改善は達成されているが、姿勢や呼吸による臓器変形の影響が大きい胸腹部のCBCT画像の画質改善については報告例がない。本研究では腹部CBCT画像の画質改善を目的として、同一症例のCBCT画像とCT画像間の3次元的特徴を考慮した敵対的訓練により、解剖学的構造を保持しながら統計的に組織が元来有するCT値に変換する方法を提案する。CT-CBCTデータセット70例から学習した変換モデルを8例のテストデータに適用し、提案手法がCBCT画像の画質を改善するために有効であることを確認した。 |
| （英） | Artifacts and defects included in Cone-beam CT (CBCT) images have become an obstacle in radiation therapy and surgery support. In conventional research, reduction of metal artifacts and improvement of image quality of head and neck CBCT images have been achieved by using image transformation by unsupervised learning, but there is no report on improvement of image quality of chest and abdomen CBCT images which are greatly affected by organ deformation due to posture or breathing. In this study, we aim to improve image quality of abdomen CBCT images based on unsupervised learning. We propose a method to statistically translate CT values to ones that the tissue originally has while keeping the anatomical structure by adversarial training considering the three-dimensional features between CBCT images and CT images of the same case. We applied the transformation model learned from 70 cases of CT-CBCT dataset to the test data of 8 cases, and it was confirmed that the proposed method was effective for improving the image quality of CBCT images. | |
| キーワード | （和） | 教師なし学習 / 敵対的生成ネットワーク / Cone-beam CT / アーチファクト低減 / / / / |
| （英） | Unsupervised learning / adversarial generative network / Cone-beam CT / artifact reduction / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 156, MI2020-29, pp. 51-56, 2020年9月. | |
| 資料番号 | MI2020-29 | |
| 発行日 | 2020-08-27 (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 | MI2020-29 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2020-09-03 - 2020-09-03 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 医用画像解析一般 |
| テーマ（英） | Medical Image Analysis |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2020-09-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | Cone-Beam CT画像の画質改善を目的とした3次元敵対的生成ネットワークの提案 |
| サブタイトル（和） | |
| タイトル（英） | Proposal of 3D Generative Adversarial Network for Improving Image Ouality of Cone-Beam CT Images |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 教師なし学習 / Unsupervised learning |
| キーワード(2)（和/英） | 敵対的生成ネットワーク / adversarial generative network |
| キーワード(3)（和/英） | Cone-beam CT / Cone-beam CT |
| キーワード(4)（和/英） | アーチファクト低減 / artifact reduction |
| 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） | 羽瀬 拓視 / Takumi Hase / ハセ タクミ |
| 第1著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 中尾 恵 / Megumi Nakao / ナカオ メグミ |
| 第2著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 今西 勁峰 / Keoho Imanishi / イマニシ ケイホウ |
| 第3著者 所属（和/英） | イーグロース株式会社 (略称： イーグロース) e-Growth Company Limited (略称： e-Growth Co., Ltd) |
| 第4著者 氏名（和/英/ヨミ） | 中村 光宏 / Mitsuhiro Nakamura / ナカムラ ミツヒロ |
| 第4著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 松田 哲也 / Tetsuya Matsuda / マツダ テツヤ |
| 第5著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-09-03 14:25:00 |
| 発表時間 | 15分 |
| 申込先研究会 | MI |
| 資料番号 | MI2020-29 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.156 |
| ページ範囲 | pp.51-56 |
| ページ数 | 6 |
| 発行日 | 2020-08-27 (MI) |
[研究会発表申込システムのトップページに戻る]