講演抄録/キーワード |
講演名 |
2021-07-09 14:00
深層学習を用いた結核患者の胸部CTデータの重症度判定 ○浅川徹也・常田陸史(豊橋技科大)・清水一生・菰田拓之(豊橋ハートセンター)・青野雅樹(豊橋技科大) MI2021-19 |
抄録 |
(和) |
本研究は,結核患者の胸部CT画像からの結核の重症度(Infiltrative:浸潤、Focal:巣状気腫、Tuberculoma:結核腫、Miliary:粟粒、Fibro-cavernous:線維海綿状 )を正確に推定する.結核患者の3D胸部CTデータから2D画像を抽出する.さらに,抽出された画像には,空間,脂肪,骨などを除くためにマスクを適用し,肺のみの2D画像データを抽出し、画像のヒストグラムから平滑化と正規化を用いて2D画像を抽出した.さらに、抽出した画像にカラースケールを適用した画像を作成した.これらの画像データを基に深層学習を用いて病症の重症度推定を行った.さらに,中央値ベースのマルチラベル予測アルゴリズムも導入した.本研究の結果,accuracyは40%以上と高値であった. |
(英) |
The purpose of this study is to make accurate estimates for five labels (infiltrative, focal, tuberculoma, miliary, and fi- brocavernous) based on lung images. We describe the tuberculosis task and approach for chest CT image analysis and then perform a single- label CT image analysis using the task dataset. We propose an image processing and fine-tuning deep neural network model that uses inputs from convolutional neural network features. This paper presents several approaches for applying normalization and pseudo-color to the extracted 2D images, for applying mask data to the extracted 2D image data, and for extracting a set of 2D projection images based on the 3D chest CT data. Our submissions for the task test dataset achieved an unweighted Cohen’s kappa of 0.236 and an accuracy of 0.471. |
キーワード |
(和) |
断層撮影 / 結核 / 深層学習 / 正規化 / 擬似カラー / / / |
(英) |
Computed Tomography / Tuberculosis / Deep Learning / Normalization / Pseudo-color / / / |
文献情報 |
信学技報, vol. 121, no. 98, MI2021-19, pp. 42-46, 2021年7月. |
資料番号 |
MI2021-19 |
発行日 |
2021-07-01 (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 |
MI2021-19 |