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 電子情報通信学会における研究会開催について
お知らせ NEW 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 2022-01-27 16:39
[ショートペーパー]深層学習に基づく3次元CT画像からの複数臓器の自動位置検出 ~ 2D-CNNとTransformerの融合 ~
加納大暉周 向栄原 武史藤田広志岐阜大MI2021-89
抄録 (和) 3次元CT画像から複数臓器を自動認識し,その位置を検出する処理が医師の診断をサポートするコンピュータ支援診断システムに必要とされている.本研究は,深層学習を用いて,3次元CT画像における複数臓器の自動認識と位置検出を目的とする.従来研究では,2次元断面画像からの位置検出結果を3次元空間への投票によって統合する方法を提案したが,3次元の特徴量を直接使用しておらず,検出精度向上に改善の余地がある.本研究は広範囲で撮影されたCT画像を対象として2D-CNNの出力から作成した3次元特徴マップを入力とするTransformerを用いたEnd-to-Endの3次元Box検出手法を考案する.提案手法はSpine-Transformersを改良したものである.従来手法ではSSDを改良したものを利用した.それぞれの手法を17臓器に適用し,評価を行った.学習とテストには,造影・非造影画像が混在した計算解剖学共通データベースの240症例を用いた.提案手法は広範囲で撮影されたCT画像を対象とする複数の臓器位置検出に高精度な結果が得られなかった.また,提案手法との性能比較によって従来手法の検出性能の安定性が示唆された.よって,従来のアプローチである「2次元画像からの位置検出に基づく3次元での多数決」が現実的かつ有効な方法と考える. 
(英) The automatic recognition of multiple organs in 3D CT images and detecting organ positions are required for computer-aided diagnosis systems to support doctors' diagnosis. This study aims to automatically recognize and localize multiple organs on 3D CT images by using deep learning approach. In our previous study, we proposed a method to integrate organ locations by detecting 2D cross-sectional locations and vote those 2D locations in a 3D space. Because this method did not directly use 3D image features, it should be a room for further improvement by using a 3D feature map. In this study, we propose an end-to-end 3D localization method using a transformer with a 3D feature map generated from 2D-CNN on CT images that covered a wide range of the human body. The proposed method is a modification of the Spine-Transformers proposed by a previous work. In our previous method, we used an improved SSD. We applied each method to 17 types of organs and evaluated the localization results. For training and testing, we used 240 cases from a shared dataset from a research project "Computational Anatomy", which contains a mixture of contrast and non-contrast CT images. The preliminary results showed that the proposed method could not performed a high accuracy for multiple organ localizations over a wide range of CT images. From the performance comparison between the proposed method based on 3D features and our previous method based on 2D features, we confirmed that our previous approach, "majority voting in 3D based on organ localization on 2D images," is still a realistic and effective method for multiple organ localizations on 3D CT images.
キーワード (和) 3次元CT画像 / 臓器位置検出 / Transformer / 特徴量集約 / / / /  
(英) 3D CT Image / multi organ detection / Transformer / feature aggregation / / / /  
文献情報 信学技報, vol. 121, no. 347, MI2021-89, pp. 190-193, 2022年1月.
資料番号 MI2021-89 
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 MI2021-89

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) 深層学習に基づく3次元CT画像からの複数臓器の自動位置検出 
サブタイトル(和) 2D-CNNとTransformerの融合 
タイトル(英) Multiple Organ Detection from CT Images Based on Deep Learning 
サブタイトル(英) Fusion of 2D-CNN and Transformer 
キーワード(1)(和/英) 3次元CT画像 / 3D CT Image  
キーワード(2)(和/英) 臓器位置検出 / multi organ detection  
キーワード(3)(和/英) Transformer / Transformer  
キーワード(4)(和/英) 特徴量集約 / feature aggregation  
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) 加納 大暉 / Daiki Kanoh / カノウ ダイキ
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 2022-01-27 16:39:00 
発表時間 13分 
申込先研究会 MI 
資料番号 MI2021-89 
巻番号(vol) vol.121 
号番号(no) no.347 
ページ範囲 pp.190-193 
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