| 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 11:00 敵対的生成ネットワークによるカラー腹腔鏡超解像画像の最適設計と画質評価 ○河畑則文（東京理科大）・中口俊哉（千葉大）  MI2020-91 |
|
| 抄録 | （和） | 敵対的生成ネットワークは，データから特徴を学習することで，実在しないデータを生成する一方で，存在するデータ特徴に沿って変換することが可能な教師なし学習である．我々は先行研究として，SRCNN (Super-Resolution Convolutional Neural Network)を考慮してカラー腹腔鏡画像の超解像について，画像品質の側面から議論を行ってきた．しかしながら，他のニューラルネットワーク手法との比較が十分ではなかった．ニューラルネットワーク手法及び画像内容の違いが画質に影響するかを測ることで，医用画像診断支援が可能と考えた．本稿では，敵対的生成ネットワークを用いることにより，カラー腹腔鏡超解像画像の最適設計を行い，客観的に画質評価を行った．そして，先行研究のSRCNNによる結果と比較し，手法間の性能について考察した． |
| （英） | The Generative Adversarial Networks (GAN) is unsupervised learning enabled to transform according to data characteristics, though this generate unreal data by learning characteristics from data. As past our study, we discussed from the viewpoint of image quality for super-resolution of color laparoscopic image including SRCNN (Super-Resolution Convolutional Neural Network). However, it was not enough to compare to other neural network methods in our discussion. We consider that it is possible to support the medical image diagnosis by measuring whether the difference of both neural network method and image contents is affected or not for image quality. In this paper, first we carried out the objective image quality assessment by designing optimally of color laparoscopic super-resolution image using Generative Adversarial Networks (GAN). And then, we discussed for performance between methods comparing to result of SRCNN. | |
| キーワード | （和） | 敵対的生成ネットワーク / 教師なし学習 / 腹腔鏡画像 / 超解像 / 画質評価 / 医用画像診断 / / |
| （英） | Generative Adversarial Networks (GAN) / Unsupervised Learning / Laparoscopic Image / Super-Resolution / Image Quality Assessment / Medical Image Diagnosis / / | |
| 文献情報 | 信学技報, vol. 120, no. 431, MI2020-91, pp. 186-190, 2021年3月. | |
| 資料番号 | MI2020-91 | |
| 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 | MI2020-91 |
|
| 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） | 敵対的生成ネットワークによるカラー腹腔鏡超解像画像の最適設計と画質評価 |
| サブタイトル（和） | |
| タイトル（英） | Optimal Design and Quality Assessment of Color Laparoscopic Super-Resolution Image by Generative Adversarial Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 敵対的生成ネットワーク / Generative Adversarial Networks (GAN) |
| キーワード(2)（和/英） | 教師なし学習 / Unsupervised Learning |
| キーワード(3)（和/英） | 腹腔鏡画像 / Laparoscopic Image |
| キーワード(4)（和/英） | 超解像 / Super-Resolution |
| キーワード(5)（和/英） | 画質評価 / Image Quality Assessment |
| キーワード(6)（和/英） | 医用画像診断 / Medical Image Diagnosis |
| 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） | 河畑 則文 / Norifumi Kawabata / カワバタ ノリフミ |
| 第1著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： Tokyo Univ. of Science) |
| 第2著者 氏名（和/英/ヨミ） | 中口 俊哉 / Toshiya Nakaguchi / ナカグチ トシヤ |
| 第2著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-17 11:00:00 |
| 発表時間 | 15分 |
| 申込先研究会 | MI |
| 資料番号 | MI2020-91 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.431 |
| ページ範囲 | pp.186-190 |
| ページ数 | 5 |
| 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]