| 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 10:22 Robust segmentation approach over various training-to-test ratios for gross tumor volumes of lung cancer based on fused outputs ○Yunhao Cui・Hidetaka Arimura（Kyushu Univ.）・Yuko Shirakawa（National Hospital Organization Kyushu Cancer）・Tadamasa Yoshitake（Kyushu Univ.）・Yoshiyuki Shioyama（Saga HIMAT）・Hidetake Yabuuchi（Kyushu Univ.）  MI2023-68 |
|
| 抄録 | （和） | This study investigates robust deep learning (DL) methods for segmenting lung cancer from stereotactic body radiotherapy (SBRT) using the datasets with low training-to-test number ratio (TTR, the ratio of number of cases in training dataset to that in test dataset). Using 192 SBRT patients, 3D U-Net, V-Net, and dense V-Net were trained, producing nine fused outputs. Voting-fused model outperformed others, achieving Dice’s similarity coefficients of 0.798 to 0.829 and Hausdorff distances of 5.40±3.00 to 6.07±3.26 mm over 5 TTRs of 0.116 to 1.00. The findings recommend voting-fused model as a robust approach for low TTR datasets in lung cancer segmentation. |
| （英） | This study investigates robust deep learning (DL) methods for segmenting lung cancer from stereotactic body radiotherapy (SBRT) using the datasets with low training-to-test number ratio (TTR, the ratio of number of cases in training dataset to that in test dataset). Using 192 SBRT patients, 3D U-Net, V-Net, and dense V-Net were trained, producing nine fused outputs. Voting-fused model outperformed others, achieving Dice’s similarity coefficients of 0.798 to 0.829 and Hausdorff distances of 5.40±3.00 to 6.07±3.26 mm over 5 TTRs of 0.116 to 1.00. The findings recommend voting-fused model as a robust approach for low TTR datasets in lung cancer segmentation. | |
| キーワード | （和） | / / / / / / / |
| （英） | deep learning / low training-to-test number ratio / lung cancer segmentation / / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 411, MI2023-68, pp. 117-118, 2024年3月. | |
| 資料番号 | MI2023-68 | |
| 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 | MI2023-68 |
|
| 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 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Robust segmentation approach over various training-to-test ratios for gross tumor volumes of lung cancer based on fused outputs |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / deep learning |
| キーワード(2)（和/英） | / low training-to-test number ratio |
| キーワード(3)（和/英） | / lung cancer segmentation |
| キーワード(4)（和/英） | / |
| 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） | 崔 雲昊 / Yunhao Cui / サイ ウンコウ |
| 第1著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 有村 秀孝 / Hidetaka Arimura / アリムラ ヒデタカ |
| 第2著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 白川 友子 / Yuko Shirakawa / シラカワ ユウコ |
| 第3著者 所属（和/英） | 九州がんセンター (略称： 九州がんセンター) National Hospital Organization Kyushu Cancer (略称： National Hospital Organization Kyushu Cancer) |
| 第4著者 氏名（和/英/ヨミ） | 吉武 忠正 / Tadamasa Yoshitake / ヨシタケ タダマサ |
| 第4著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 塩山 義之 / Yoshiyuki Shioyama / シオヤマ ヨシユキ |
| 第5著者 所属（和/英） | 九州国際重粒子線がん治療センター (略称： 九州国際重粒子線がん治療センター) Saga International Heavy Ion Cancer Treatment Foundation (略称： Saga HIMAT) |
| 第6著者 氏名（和/英/ヨミ） | 藪内 英剛 / Hidetake Yabuuchi / ヤブウチ ヒデタケ |
| 第6著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-04 10:22:00 |
| 発表時間 | 12分 |
| 申込先研究会 | MI |
| 資料番号 | MI2023-68 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.411 |
| ページ範囲 | pp.117-118 |
| ページ数 | 2 |
| 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]