お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2020-12-18 16:20
[ショートペーパー]Case Discrimination: Self-supervised Learning for classification of Medical Image
Haohua DongYutaro IwamotoRitsumeikan Univ.)・Xianhua HanYamaguchi Univ.)・Lanfen LinZhejiang Univ.)・Hongjie HuXiujun CaiSir Run Run Shaw Hospital)・Yen-Wei ChenRitsumeikan Univ.PRMU2020-64
抄録 (和) Deep Learning provides exciting solutions to problems in medical image analysis and is regarded as a key method for future applications. However, only a few annotated medical image datasets exist compared to numerous natural images. In this paper, we propose a model to investigate transfer learning by self-supervised learning using medical images. It is widely known that the results of Computerized Tomography (CT) scan are 3D volume images. There are lots of slices in CT or Magnetic Resonance Imaging scan images. So why not make these slices to a class? It is imperative to formulate this intuition as a self-supervised feature learning at the case-level. Our results of the experiment demonstrate that, under self-supervised feature learning settings, our method surpasses the transfer learning using ImageNet on classification. By experiment using unannotated dataset, our method is also remarkable for consistently improving test performance with a few annotated data. By fine-tuning the learned feature, we further obtain competitive results for self-supervised learning and classification tasks. 
(英) Deep Learning provides exciting solutions to problems in medical image analysis and is regarded as a key method for future applications. However, only a few annotated medical image datasets exist compared to numerous natural images. In this paper, we propose a model to investigate transfer learning by self-supervised learning using medical images. It is widely known that the results of Computerized Tomography (CT) scan are 3D volume images. There are lots of slices in CT or Magnetic Resonance Imaging scan images. So why not make these slices to a class? It is imperative to formulate this intuition as a self-supervised feature learning at the case-level. Our results of the experiment demonstrate that, under self-supervised feature learning settings, our method surpasses the transfer learning using ImageNet on classification. By experiment using unannotated dataset, our method is also remarkable for consistently improving test performance with a few annotated data. By fine-tuning the learned feature, we further obtain competitive results for self-supervised learning and classification tasks.
キーワード (和) Self-supervised learning / 医用画像処理 / 画像分類 / / / / /  
(英) Self-supervised learning / Medical image processing / Image classification / / / / /  
文献情報 信学技報, vol. 120, no. 300, PRMU2020-64, pp. 151-155, 2020年12月.
資料番号 PRMU2020-64 
発行日 2020-12-10 (PRMU) 
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 PRMU2020-64

研究会情報
研究会 PRMU  
開催期間 2020-12-17 - 2020-12-18 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 転移学習・少数データからの学習 
テーマ(英) Transfer learning and few shot learning 
講演論文情報の詳細
申込み研究会 PRMU 
会議コード 2020-12-PRMU 
本文の言語 英語 
タイトル(和)  
サブタイトル(和)  
タイトル(英) Case Discrimination: Self-supervised Learning for classification of Medical Image 
サブタイトル(英)  
キーワード(1)(和/英) Self-supervised learning / Self-supervised learning  
キーワード(2)(和/英) 医用画像処理 / Medical image processing  
キーワード(3)(和/英) 画像分類 / Image classification  
キーワード(4)(和/英) /  
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) 董 浩華 / Haohua Dong / トウ コウカ
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) 岩本 祐太郎 / Yutaro Iwamoto / イワモト ユタロ
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) 韓 先花 / Xianhua Han / カン センカ
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) Lanfen Lin / Lanfen Lin /
第4著者 所属(和/英) 浙江大学 (略称: 浙江大)
Zhejiang University (略称: Zhejiang Univ.)
第5著者 氏名(和/英/ヨミ) Hongjie Hu / Hongjie Hu /
第5著者 所属(和/英) Sir Run Run Shaw Hospital (略称: Sir Run Run Shaw Hospital)
Sir Run Run Shaw Hospital (略称: Sir Run Run Shaw Hospital)
第6著者 氏名(和/英/ヨミ) Xiujun Cai / Xiujun Cai /
第6著者 所属(和/英) Sir Run Run Shaw Hospital (略称: Sir Run Run Shaw Hospital)
Sir Run Run Shaw Hospital (略称: Sir Run Run Shaw Hospital)
第7著者 氏名(和/英/ヨミ) 陳 延偉 / Yen-Wei Chen / チン エンイ
第7著者 所属(和/英) 立命館大学 (略称: 立命館大)
Ritsumeikan University (略称: Ritsumeikan Univ.)
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: )
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 2020-12-18 16:20:00 
発表時間 10分 
申込先研究会 PRMU 
資料番号 PRMU2020-64 
巻番号(vol) vol.120 
号番号(no) no.300 
ページ範囲 pp.151-155 
ページ数
発行日 2020-12-10 (PRMU) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会