| 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 | 2023-03-06 13:15 ［ショートペーパー］2.5DデフォーマブルコンボリューションCNNを用いた腹部CT画像多臓器セグメンテーションにおける小臓器精度の改善 ○奥村裕也・工藤博幸・滝沢穂高（筑波大）  MI2022-80 |
|
| 抄録 | （和） | 深層学習を用いた腹部CT画像の多臓器セグメンテーションにおいて膵臓などの小臓器は解剖学的なばらつきが大きいことに加え、臓器の領域が小さいことから他の領域の影響を受けるため認識が困難であるとされている.そこで、本研究では多臓器セグメンテーションを行った後に膵臓のみを抽出し、再度学習した後に元の結果に統合することで小臓器の精度向上を実現する。さらに、臓器構造の個人差や位置ずれを変位ベクトル場を用いて吸収することが可能なデフォーマブルコンボリューションCNNを用いてxy水平断面、yz水平断面、xz水平断面の3つの2D断面で学習を行い、その結果を多数決投票により統合して3Dの結果を得る、いわば2.5Dの手法を提案する.腹部CT画像データセットを用いた実験の結果、小臓器の抽出と再学習、デフォーマブルコンボリューションの導入により提案手法の精度が通常の深層学習を用いた手法と比較して優れ、かつ2.5Dの手法にしたため計算量は現実的なものに収まった. |
| （英） | In multi-organ segmentation of abdominal CT images using deep learning, small organs such as the pancreas are difficult to recognize because they are affected by other regions due to their small size in addition to their large anatomical variability. Therefore, in this study, we improve the accuracy of small organs by extracting only the pancreas after performing multi-organ segmentation, training it again, and integrating it into the original results.Furthermore, we propose a 2.5D method that learns in three 2D cross sections (xy-horizontal, yz-horizontal, and xz-horizontal) using a deformable convolutional CNN that can absorb individual differences and misalignment of organ structures using displacement vector fields, and integrates the results by majority voting to obtain 3D results. Experimental results on an abdominal CT image dataset show that the proposed method is more accurate than conventional deep learning methods due to the extraction and re-training of small organs and the introduction of deformable convolution, and that the computational complexity is realistic for a 2.5D method. | |
| キーワード | （和） | 医用画像 / 深層学習 / 畳み込みニューラルネットワーク / 三次元医用画像 / コンピュータ支援検出システム / 解剖学的構造の自動認識・検出 / / |
| （英） | CT images / Deep learning / Convolutional Neural Networks / 3D CT images / Computer-aided Detection Systems / Automatic recognition and detection of anatomical structures / / | |
| 文献情報 | 信学技報, vol. 122, no. 417, MI2022-80, pp. 38-39, 2023年3月. | |
| 資料番号 | MI2022-80 | |
| 発行日 | 2023-02-27 (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 | MI2022-80 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2023-03-06 - 2023-03-07 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWA SEINENKAIKAN |
| 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 | 2023-03-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 2.5DデフォーマブルコンボリューションCNNを用いた腹部CT画像多臓器セグメンテーションにおける小臓器精度の改善 |
| サブタイトル（和） | |
| タイトル（英） | Improvement of Small Organ Accuracy in Multi-Organ Segmentation of Abdominal CT Images Using 2.5D Deformable Convolutional CNN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 医用画像 / CT images |
| キーワード(2)（和/英） | 深層学習 / Deep learning |
| キーワード(3)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Networks |
| キーワード(4)（和/英） | 三次元医用画像 / 3D CT images |
| キーワード(5)（和/英） | コンピュータ支援検出システム / Computer-aided Detection Systems |
| キーワード(6)（和/英） | 解剖学的構造の自動認識・検出 / Automatic recognition and detection of anatomical structures |
| 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） | 奥村 裕也 / Yuya Okumura / オクムラ ユウヤ |
| 第1著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ of Tsukuba) |
| 第2著者 氏名（和/英/ヨミ） | 工藤 博幸 / Hiroyuki Kudo / クドウ ヒロユキ |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ of Tsukuba) |
| 第3著者 氏名（和/英/ヨミ） | 滝沢 穂高 / Hotaka Takizawa / タキザワ ホタカ |
| 第3著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ of Tsukuba) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-03-06 13:15:00 |
| 発表時間 | 13分 |
| 申込先研究会 | MI |
| 資料番号 | MI2022-80 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.417 |
| ページ範囲 | pp.38-39 |
| ページ数 | 2 |
| 発行日 | 2023-02-27 (MI) |
[研究会発表申込システムのトップページに戻る]