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 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 2022-01-26 13:00
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生成時における画質と学習効果の関係性
河畑則文北大)・中口俊哉千葉大MI2021-59
抄録 (和) パーソナルコンピュータのパフォーマンスの向上により,医療従事者及び研究者は,低価格かつ高性能に医用画像診断支援をすることが可能となった.特に,2010年代以降の医用画像工学分野においては,深層畳込みニューラルネットワークを始めとする人工知能技術を医用画像処理に対して積極的に活用することが必然的になってきた.我々は先行研究において,教師なし学習の一種である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の基礎検討を行った.結果として,超解像画像の設計方法は,実験により検証できたが,生成される腹腔鏡画像の品質が目視と客観の両方の観点から十分でなかった.それゆえに,ネットワークの学習効果が生成される画像に与える影響について,情報科学の観点から実験的検証を行い,手法を改善する必要があると考えた.本研究では,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生成時における画質と学習効果について考察を行った. 
(英) Improving of personal computer performance, it is possible for healthcare workers and related researchers to support for medical image diagnosis at a low price and high performance. Particularly, in the medical image engineering field after 2010s, it is necessary to utilize artificial intelligence technology actively such as deep convolutional neural network. As past our study, we studied fundamentally on optimal design of color laparoscopic super-resolution image by Generative Adversarial Networks (GAN) which is one of unsupervised learning. As a result, for super-resolution image design method, we were able to verify by carrying out experiments. However, it is not enough for generated laparoscopic image quality from a view of both observation and objective. Therefore, from a view of information science, we consider that we need to verify experimentally for affect between network learning effect and generated image, and then to improve method. In this paper, we discussed relationship between image quality and learning effect in color laparoscopic image generation using super-resolution GAN.
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 / 学習効果 /  
(英) Generative Adversarial Networks (GAN) / Unsupervised Learning / Laparoscopic Image / Super-Resolution / Image Quality Assessment / Medical Image Diagnosis / Learning Effect /  
文献情報 信学技報, vol. 121, no. 347, MI2021-59, pp. 59-64, 2022年1月.
資料番号 MI2021-59 
発行日 2022-01-18 (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 MI2021-59

研究会情報
研究会 MI  
開催期間 2022-01-25 - 2022-01-27 
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)  
講演論文情報の詳細
申込み研究会 MI 
会議コード 2022-01-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生成時における画質と学習効果の関係性 
サブタイトル(和)  
タイトル(英) Relationship between Image Quality and Learning Effect in Color Laparoscopic Images Generation 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) 学習効果 / Learning Effect  
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) 北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.)
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: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
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 2022-01-26 13:00:00 
発表時間 13分 
申込先研究会 MI 
資料番号 MI2021-59 
巻番号(vol) vol.121 
号番号(no) no.347 
ページ範囲 pp.59-64 
ページ数
発行日 2022-01-18 (MI) 


[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