| 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 | 2022-02-21 15:35 Liver Tumor Segmentation by Using a Massive-Training Artificial Neural Network (MTANN) and its Analysis in Liver CT. ○Yuqiao Yang・Muneyuki Sato・Ze Jin・Kenji Suzuki（Tokyo Tech）  ITS2021-33 IE2021-42 |
|
| 抄録 | （和） | Based on a 3D massive-training artificial neural network (MTANN) combined with a Hessian-based ellipse enhancer, a small-sample-size deep learning technique for semantic segmentation of liver tumors in contrast-enhanced CT is proposed. To show the proposed model's efficiency in a small-sample size dataset, we trained the proposed models with only 7 tumors from 7 patients, and 14 tumors from 12 patients. The proposed model achieved a Dice score of 0.703 with the training set of 12 patients. The accuracy was comparable to the CNN-based method with 131 patients in the MICCAI 2017 competition. The proposed model is essential in deep learning applications in medical imaging where a large database is not available. |
| （英） | Based on a 3D massive-training artificial neural network (MTANN) combined with a Hessian-based ellipse enhancer, a small-sample-size deep learning technique for semantic segmentation of liver tumors in contrast-enhanced CT is proposed. To show the proposed model's efficiency in a small-sample size dataset, we trained the proposed models with only 7 tumors from 7 patients, and 14 tumors from 12 patients. The proposed model achieved a Dice score of 0.703 with the training set of 12 patients. The accuracy was comparable to the CNN-based method with 131 patients in the MICCAI 2017 competition. The proposed model is essential in deep learning applications in medical imaging where a large database is not available. | |
| キーワード | （和） | deep learning / small-sample-size / medical image / semantic segmentation / / / / |
| （英） | deep learning / small-sample-size / medical image / semantic segmentation / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 374, IE2021-42, pp. 49-54, 2022年2月. | |
| 資料番号 | IE2021-42 | |
| 発行日 | 2022-02-14 (ITS, IE) | |
| 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 | ITS2021-33 IE2021-42 |
|
| 研究会情報 | |
| 研究会 | IE ITS ITE-AIT ITE-ME ITE-MMS |
| 開催期間 | 2022-02-21 - 2022-02-22 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 画像処理，一般 |
| テーマ（英） | Image Processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2022-02-IE-ITS-AIT-ME-MMS |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Liver Tumor Segmentation by Using a Massive-Training Artificial Neural Network (MTANN) and its Analysis in Liver CT. |
| サブタイトル（英） | |
| キーワード(1)（和/英） | deep learning / deep learning |
| キーワード(2)（和/英） | small-sample-size / small-sample-size |
| キーワード(3)（和/英） | medical image / medical image |
| キーワード(4)（和/英） | semantic segmentation / semantic segmentation |
| 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） | Yuqiao Yang / Yuqiao Yang / |
| 第1著者 所属（和/英） | Tokyo Institute of Technology (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第2著者 氏名（和/英/ヨミ） | Muneyuki Sato / Muneyuki Sato / |
| 第2著者 所属（和/英） | Tokyo Institute of Technology (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第3著者 氏名（和/英/ヨミ） | Ze Jin / Ze Jin / |
| 第3著者 所属（和/英） | Tokyo Institute of Technology (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第4著者 氏名（和/英/ヨミ） | Kenji Suzuki / Kenji Suzuki / |
| 第4著者 所属（和/英） | Tokyo Institute of Technology (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-02-21 15:35:00 |
| 発表時間 | 15分 |
| 申込先研究会 | IE |
| 資料番号 | ITS2021-33, IE2021-42 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.373(ITS), no.374(IE) |
| ページ範囲 | pp.49-54 |
| ページ数 | 6 |
| 発行日 | 2022-02-14 (ITS, IE) |
[研究会発表申込システムのトップページに戻る]