| 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 | 2024-03-04 13:28 ［ショートペーパー］画像診断AI開発における自動アノテーション処理の学習データ量と精度の関係の実験的検証 ○村中皓紀・根本充貴・木村裕一・永岡 隆・三上勝大・中前有香子（近畿大）・吉川健啓（東大）  MI2023-77 |
|
| 抄録 | （和） | 我々はこれまで画像診断AIシステムの開発コスト低減に向け、病変の中心座標や長径といった弱教師から強教師である病変領域アノテーションデータの自動作成処理を検討・提案してきた（村中ら、日本生体医工学会大会、2023）。このアノテーションデータ自動作成処理は、上述の弱教師情報をたよりに画像の部分領域に領域抽出深層モデルを適用するものだが、当深層モデルの学習にも病変領域アノテーションを伴う画像データが一定量必要となる。深層モデルの学習データが小規模でなければシステム開発コストの真の低減にならない。よって本検討では、我々の病変領域アノテーションデータ自動作成処理に用いる学習データの規模と自動アノテーション精度の関係を実験的に検証し、結果を報告する。 |
| （英） | To reduce the development cost of image diagnosis AI systems, we have studied and proposed an automatic process for creating strongly-supervised lesion region annotation data from weakly-supervised data such as the center coordinates and long diameter of a lesion (Muranaka et al., Japanese Society for Medical and Biological Engineering, 2023). This automatic annotation data generation process applies a region-extraction deep model to a partial region of an image based on the weakly-supervised information, but a certain amount of image data with lesion region annotations is also required for training this deep model. Without a small amount of training data for deep models, development costs cannot be truly reduced. Therefore, in this study, we experimentally verify the relationship between the size of the training data used in our automatic lesion region annotation data generation process and the accuracy of the automatic annotation, and report the results. | |
| キーワード | （和） | 自動アノテーション / 深層学習 / U-Net / 領域抽出 / CT / / / |
| （英） | Auto annotation / Deep Learning / U-Net / Region extraction / CT / / / | |
| 文献情報 | 信学技報, vol. 123, no. 411, MI2023-77, pp. 149-151, 2024年3月. | |
| 資料番号 | MI2023-77 | |
| 発行日 | 2024-02-25 (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 | MI2023-77 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2024-03-03 - 2024-03-04 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWAKEN SEINENKAIKAN |
| テーマ（和） | 医用画像処理一般・メディカルイメージング連合フォーラム |
| テーマ（英） | Medical Imaging, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2024-03-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 画像診断AI開発における自動アノテーション処理の学習データ量と精度の関係の実験的検証 |
| サブタイトル（和） | |
| タイトル（英） | Experimental validation of relationship between training data amount and accuracy of automatic annotation in developing image diagnosis AI |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 自動アノテーション / Auto annotation |
| キーワード(2)（和/英） | 深層学習 / Deep Learning |
| キーワード(3)（和/英） | U-Net / U-Net |
| キーワード(4)（和/英） | 領域抽出 / Region extraction |
| キーワード(5)（和/英） | CT / CT |
| 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） | 村中 皓紀 / Koki Muranaka / ムラナカ コウキ |
| 第1著者 所属（和/英） | 近畿大学 (略称： 近畿大) Kindai University (略称： Kindai Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 根本 充貴 / Mitsutaka Nemoto / ネモト ミツタカ |
| 第2著者 所属（和/英） | 近畿大学 (略称： 近畿大) Kindai University (略称： Kindai Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 木村 裕一 / Yuichi Kimura / キムラ ユウイチ |
| 第3著者 所属（和/英） | 近畿大学 (略称： 近畿大) Kindai University (略称： Kindai Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 永岡 隆 / Takashi Nagaoka / ナガオカ タカシ |
| 第4著者 所属（和/英） | 近畿大学 (略称： 近畿大) Kindai University (略称： Kindai Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 三上 勝大 / Katsuhiro Mikami / ミカミ カツヒロ |
| 第5著者 所属（和/英） | 近畿大学 (略称： 近畿大) Kindai University (略称： Kindai Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 中前 有香子 / Yukako Nakamae / ナカマエ ユカコ |
| 第6著者 所属（和/英） | 近畿大学 (略称： 近畿大) Kindai University (略称： Kindai Univ.) |
| 第7著者 氏名（和/英/ヨミ） | 吉川 健啓 / Takeharu Yoshikawa / ヨシカワ タケハル |
| 第7著者 所属（和/英） | 東京大学 (略称： 東大) Tokyo University (略称： Tokyo Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-04 13:28:00 |
| 発表時間 | 12分 |
| 申込先研究会 | MI |
| 資料番号 | MI2023-77 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.411 |
| ページ範囲 | pp.149-151 |
| ページ数 | 3 |
| 発行日 | 2024-02-25 (MI) |
[研究会発表申込システムのトップページに戻る]