| 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 | 2023-03-07 15:38 ［ショートペーパー］自己教師あり学習を用いた反復処理による低線量CTのデノイジング手法 ○佐藤悠輝・工藤博幸（筑波大）  MI2022-121 |
|
| 抄録 | （和） | 近年, 患者の被ばくが問題視されており, 照射する放射線量を減らした低線量 CT が研究されている. しかし,低線量 CT で得られるデータには多量のノイズが含まれており, かつ, 同一患者を同じタイミングで２度撮影しないため, 通常線量 CT と低線量 CT のペアデータは得られない. 深層学習を用いたデノイジング手法として, ノイズデータのみで学習を行う自己教師あり学習があり, 低線量 CT のデノイジングにも応用されている. しかし,CT 画像に含まれる 細かい構造物を欠損させる過度な平滑化が見られた. 本研究では, ノイズを推測するネットワークと, クリーンデータを推測するネットワークの２つを用いた反復的な処理で得られる損失を用いた自己教師あり学習手法を提案した. 提案手法は従来手法と比較して平滑化を抑制する効果が確認できた. |
| （英） | In recent years, patient exposure has become an issue, and low-dose CT, which reduces the amount of radiation irradiated, has been studied. However, the data obtained from low-dose CT contains a large amount of noise, and the same patient is not scanned twice at the same time, so pair data of normal-dose CT and low-dose CT cannot be obtained. Self-supervised learning, which uses only noise data for learning, is a deep learning-based denoising method that has been applied to low-dose CT denoising. However, excessive smoothing was found to cause loss of fine structures in CT images. In this study, we proposed a self-supervised learning method that uses the loss obtained in an iterative process with two networks, one to infer noise and the other to infer clean data. The proposed method was found to be more effective in suppressing smoothing than conventional methods. |
|
| キーワード | （和） | CT / デノイジング / 深層学習 / 自己教師あり学習 / / / / |
| （英） | CT / Denoise / Deep Learning / Self-supervised learning / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 417, MI2022-121, pp. 192-193, 2023年3月. | |
| 資料番号 | MI2022-121 | |
| 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 | MI2022-121 |
|
| 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） | 自己教師あり学習を用いた反復処理による低線量CTのデノイジング手法 |
| サブタイトル（和） | |
| タイトル（英） | A Denoising Method for Low Dose CT by Iterative Processing Using Self-Supervised Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | CT / CT |
| キーワード(2)（和/英） | デノイジング / Denoise |
| キーワード(3)（和/英） | 深層学習 / Deep Learning |
| キーワード(4)（和/英） | 自己教師あり学習 / Self-supervised 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） | 佐藤 悠輝 / Yuki Sato / サトウ ユウキ |
| 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) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-03-07 15:38:00 |
| 発表時間 | 13分 |
| 申込先研究会 | MI |
| 資料番号 | MI2022-121 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.417 |
| ページ範囲 | pp.192-193 |
| 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]