講演抄録/キーワード |
講演名 |
2022-01-26 14:05
[ショートペーパー]深層ニューラルネットワークに基づく多時相CT画像の位置合わせと解剖構造の自動認識の共同学習に関する研究 ○不破僚太郎・周 向栄・原 武史・藤田広志(岐阜大) MI2021-64 |
抄録 |
(和) |
計算機による画像支援診断(CAD)システムの開発には,多時相CT画像間の位置合わせと各時相のCT画像からの解剖構造の自動認識が要求される.近年では深層学習がこの2つのタスクに有効なアプローチと期待されている.しかし,教師なしの深層学習の場合は高精度な処理結果が得られず,教師ありの場合には,単純CT画像からの血管系の教師信号の獲得が困難かつ時間的なコストがかかる.これらの問題を解消するため,本研究ではCT画像間の位置合わせと多臓器の抽出処理を共同学習する方法を提案する.本稿では腹部多時相CT画像100症例に適用しDice値による性能評価を各タスクに対して行った.提案法は,各タスクをそれぞれ単独で学習したモデルに比べて位置合わせ性能が1.3%,臓器抽出性能が13.0%向上した.これにより,CT画像における2つのタスクの共同学習がCADシステムの開発に有効なアプローチであると示された. |
(英) |
Computer-aided diagnosis (CAD) systems require image registration and automatic recognition of anatomical structures on multiphase CT images. Deep learning has been expected to be an effective approach to realize those tasks. However, the recent works showed that the unsupervised deep learning could not provide accurate results and supervised deep learning required ground truth as supervisory signals which is difficult to obtain (especially for the vascular region) on non-contrast CT images. In order to address these issues, we propose a method to jointly learn the registration between multiphase CT images and segmentation process of multiple organs. In this paper, we applied the proposed method to 100 cases of multiphase CT images of human abdomen and evaluated the performance of each task by using Dice value based on human annotations. The preliminary results showed that the registration performance was improved by 1.3% and the organ segmentation performance was improved by 13.0% on Dice value comparing to the models trained for each task independently. These results indicated that the proposed method based on joint learning of different tasks was effective to accomplish the fundamental functions of CAD systems for in CT images. |
キーワード |
(和) |
腹部多時相CT画像 / 3次元画像位置合わせ / 3次元臓器領域抽出 / 共同学習 / / / / |
(英) |
Multi-phase abdomen CT image / 3D Image Registration / 3D Image Segmentation / Joint Learning / / / / |
文献情報 |
信学技報, vol. 121, no. 347, MI2021-64, pp. 82-85, 2022年1月. |
資料番号 |
MI2021-64 |
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 |
MI2021-64 |
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) |
深層ニューラルネットワークに基づく多時相CT画像の位置合わせと解剖構造の自動認識の共同学習に関する研究 |
サブタイトル(和) |
|
タイトル(英) |
Joint Learning for Multi-Phase CT Image Registration and Automatic Recognition of Anatomical Structures Based on a Deep Neural Network |
サブタイトル(英) |
|
キーワード(1)(和/英) |
腹部多時相CT画像 / Multi-phase abdomen 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) |
3次元臓器領域抽出 / 3D Image Segmentation |
キーワード(4)(和/英) |
共同学習 / Joint Learning |
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 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.) |
第2著者 氏名(和/英/ヨミ) |
周 向栄 / Xiangrong Zhou / シュウ コウエイ |
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 / ハラ タケシ |
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 / フジタ ヒロシ |
第4著者 所属(和/英) |
岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.) |
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 14:05:00 |
発表時間 |
13分 |
申込先研究会 |
MI |
資料番号 |
MI2021-64 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.347 |
ページ範囲 |
pp.82-85 |
ページ数 |
4 |
発行日 |
2022-01-18 (MI) |