| 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 | 2021-12-17 10:30 撮影条件が異なるCT画像に対してロバストな病変識別を実現するディープラーニング向け学習データ拡張方式の提案 ○宮崎信浩・武部浩明・馬場孝之（富士通）・寺田大晃・檜垣 徹・粟井和夫（広島大）・嶋田雅彦（富士通Japan）  PRMU2021-48 |
|
| 抄録 | （和） | CT (Computed Tomography)画像に写る臓器内の病変は，DL (Deep Learning)に代表される画像認識により識別する．DLによる識別は，撮影条件の違いによって，学習に利用した画像の性質と，識別対象の画像の性質が異なる場合，精度が低下するという課題がある．画像の性質の違いは，着目する対象や目的に応じて適用するCT装置が有する再構成関数と呼ばれるフィルタのPSF (Point Spread Function:点拡がり関数)の違いにより生じる．本稿では，CT画像の生成に利用された再構成関数のPSFを逆変換により打ち消し，事前にCT装置から推定した代表的な再構成関数のPSFにて変換することで，CT装置で撮影可能な様々な撮影条件のCT画像を疑似的に生成するデータ拡張方式を提案する．提案方式により生成した画像をDLの学習に利用することで，提案方式を適用しない場合と比較して，学習に利用した画像とは異なる撮影条件で撮影された画像を含む評価画像に対する識別精度が向上することを示し，課題解決に有用であることを報告する． |
| （英） | In this paper, we propose a data augmentation to robust DL (deep learning)-based lesion classification for CT image with different imaging condition. The accuracy of DL results must be maintained when features of the target image differ from features of training image created on different CT scanners. The PSF (Point Spread Function) of the scanner-specific reconstruction kernel, which emphasizes specific targets, account for such differences. Our method cancels specific PSF at CT imaging and generates multiple training image with various features based on different types of PSF. | |
| キーワード | （和） | CT画像 / ディープラーニング / データ拡張 / 点拡がり関数 / / / / |
| （英） | CT Image / Deep Learning / Data Augmentation / Point Spread Function / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 304, PRMU2021-48, pp. 130-135, 2021年12月. | |
| 資料番号 | PRMU2021-48 | |
| 発行日 | 2021-12-09 (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 | PRMU2021-48 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2021-12-16 - 2021-12-17 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 時系列・因果推論・異常検知 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2021-12-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | 撮影条件が異なるCT画像に対してロバストな病変識別を実現するディープラーニング向け学習データ拡張方式の提案 |
| サブタイトル（和） | |
| タイトル（英） | Data Augmentation to Robust Deep Learning-Based Lesion Classification for CT Image with Different Imaging Conditions |
| サブタイトル（英） | |
| キーワード(1)（和/英） | CT画像 / CT Image |
| キーワード(2)（和/英） | ディープラーニング / Deep Learning |
| キーワード(3)（和/英） | データ拡張 / Data Augmentation |
| キーワード(4)（和/英） | 点拡がり関数 / Point Spread Function |
| 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） | 宮崎 信浩 / Nobuhiro Miyazaki / ミヤザキ ノブヒロ |
| 第1著者 所属（和/英） | 富士通株式会社 (略称： 富士通) FUJITSU LIMITED (略称： FUJITSU) |
| 第2著者 氏名（和/英/ヨミ） | 武部 浩明 / Hiroaki Takebe / タケベ ヒロアキ |
| 第2著者 所属（和/英） | 富士通株式会社 (略称： 富士通) FUJITSU LIMITED (略称： FUJITSU) |
| 第3著者 氏名（和/英/ヨミ） | 馬場 孝之 / Takayuki Baba / ババ タカユキ |
| 第3著者 所属（和/英） | 富士通株式会社 (略称： 富士通) FUJITSU LIMITED (略称： FUJITSU) |
| 第4著者 氏名（和/英/ヨミ） | 寺田 大晃 / Hiroaki Terada / テラダ ヒロアキ |
| 第4著者 所属（和/英） | 広島大学 (略称： 広島大) Hiroshima University (略称： Hiroshima Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 檜垣 徹 / Toru Higaki / ヒガキ トオル |
| 第5著者 所属（和/英） | 広島大学 (略称： 広島大) Hiroshima University (略称： Hiroshima Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 粟井 和夫 / Kazuo Awai / アワイ カズオ |
| 第6著者 所属（和/英） | 広島大学 (略称： 広島大) Hiroshima University (略称： Hiroshima Univ.) |
| 第7著者 氏名（和/英/ヨミ） | 嶋田 雅彦 / Masahiko Shimada / シマダ マサヒコ |
| 第7著者 所属（和/英） | 富士通Japan株式会社 (略称： 富士通Japan) Fujitsu Japan Limited (略称： Fujitsu Japan) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-12-17 10:30:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2021-48 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.304 |
| ページ範囲 | pp.130-135 |
| ページ数 | 6 |
| 発行日 | 2021-12-09 (PRMU) |
[研究会発表申込システムのトップページに戻る]