| 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 | 2021-03-17 10:45 ［ショートペーパー］腹部多時相CT画像の位置合わせのためのCycleGANによる3D Deep-CNNの性能改善に関する初期検討 ○不破僚太郎・周 向栄・原 武史・藤田広志（岐阜大）  MI2020-90 |
|
| 抄録 | （和） | 深層学習は高精度な医用画像の位置合わせ問題を解決するアプローチとして期待されている。最近，教師なしの深層学習法VoxelMorphが３次元医用画像の位置合わせ手法として注目されている．しかし，我々はVoxelMorphを利用して造影CT画像を非造影CT画像に画像位置合わせを行う際に，理想的な結果が得られなかった．原因の一つとして，造影効果によるCT画像の濃淡分布の変動による影響が挙げられる．この問題を解決するために，本研究ではCT画像の造影効果をCycleGANによって軽減した後に，３次元CT画像間の位置合わせを行うアプローチを提案する．実験結果から，提案法は，VoxelMorphよりもノイズの削減と肝臓領域における造影効果の認識に有効であることが示された． |
| （英） | Deep learning is expected to be an approach to solve the problem of accurate medical image alignment. Recently, VoxelMorph, an unsupervised deep learning method, has attracted much attention as a 3D medical image alignment method. However, we did not obtain ideal results when using VoxelMorph to align contrast CT images to non-contrast CT images. One of the reasons for this is the effect of the variation of the shading distribution of the CT image due to the contrast effect. In order to solve this problem, we propose an approach to align 3D CT images after reducing the contrast effect of CT images by CycleGAN. The experimental results show that the proposed method is more effective than VoxelMorph in reducing noise and recognizing contrast effects in the liver region. | |
| キーワード | （和） | 腹部CT画像 / 3次元画像位置合わせ / CycleGAN / / / / / |
| （英） | Abdominal CT image / 3D image registration / CycleGAN / / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 431, MI2020-90, pp. 182-185, 2021年3月. | |
| 資料番号 | MI2020-90 | |
| 発行日 | 2021-03-08 (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 | MI2020-90 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2021-03-15 - 2021-03-17 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 医用画像一般（メディカルイメージング連合フォーラム） |
| テーマ（英） | Medical Imaging |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2021-03-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 腹部多時相CT画像の位置合わせのためのCycleGANによる3D Deep-CNNの性能改善に関する初期検討 |
| サブタイトル（和） | |
| タイトル（英） | Preliminary study for improving the performance of abdominal multi-phase CT image registration based on 3D deep CNN with a CycleGAN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 腹部CT画像 / Abdominal CT image |
| キーワード(2)（和/英） | 3次元画像位置合わせ / 3D image registration |
| キーワード(3)（和/英） | CycleGAN / CycleGAN |
| 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） | 不破 僚太郎 / Ryotaro Fuwa / フワ リョウタロウ |
| 第1著者 所属（和/英） | 岐阜大学大学院 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 周 向栄 / Xiangong Zhou / |
| 第2著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 原 武史 / Takeshi Hara / |
| 第3著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 藤田 広志 / Hiroshi Fujita / |
| 第4著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-17 10:45:00 |
| 発表時間 | 15分 |
| 申込先研究会 | MI |
| 資料番号 | MI2020-90 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.431 |
| ページ範囲 | pp.182-185 |
| ページ数 | 4 |
| 発行日 | 2021-03-08 (MI) |
[研究会発表申込システムのトップページに戻る]