| 講演抄録/キーワード |
| 講演名 |
2024-03-04 10:46
体幹部CT画像における自動筋骨格セグメンテーション ○ゴリン サナー アミナ・崇風まあぜん・大竹義人(奈良先端大)・政木勇人(奈良先端大/PSP)・村上陽子・永谷幸裕・渡邉嘉之(滋賀医科大)・上村圭亮(阪大)・高尾正樹(愛大)・菅野伸彦(阪大)・佐藤嘉伸(奈良先端大) MI2023-70 |
| 抄録 |
(和) |
CTにおける筋骨格系セグメンテーション(MSK)は、体組成分析、バイオメカニクス、診断など、いくつかの専門分野に有用である。体幹部のMSKセグメンテーションに関するこれまでの研究は、主に腹部の2Dスライスまたは3D CTの一部の構造のセグメンテーションを目的してきた。本研究の目的は、CTの体幹部の構造全体に対するMSKセグメンテーションの自動化を検討し、異なる機関からのラベル付けされていない画像におけるセグメンテーション精度を評価する手票(予測不確実性)の実現可能性を調査することである。畳み込みニューラルネットワーク(CNN)に基づいた2つのモデル、すなわち2D Bayesian UNetと3D patch-based nnUNetを試みた。10例のラベル付きCTを対象とした5fold交差検証実験に基づくセグメンテーション精度と、二つの外部データベースでのそれぞれ~100例のラベルなしCTに対して予測不確実性に基づいた検証結果を報告する。 |
| (英) |
Musculoskeletal segmentation (MSK) in CT is helpful for several applications, including body composition analysis, biomechanics, and diagnostics. Previous works on torso MSK segmentation have mainly focused on the segmentation of abdominal 2D slices or a few structures in 3D CTs. The goal of this study is to investigate automated MSK segmentation on the whole torso structures in CTs, and investigate the feasibility of the predictive uncertainty for assessing the segmentation accuracy in unlabeled datasets from different institutions. Two convolutional neural network (CNN)-based models were attempted, i.e., 2D Bayesian UNet and 3D patch-based nnUNet. The segmentation accuracy based on 5-fold cross-validation experiment on 10 labeled CTs, and the validation on two external databases each consisting of ~100 unlabeled CTs are reported. |
| キーワード |
(和) |
自動筋骨格系セグメンテーション / Torso CT画像 / 2D Bayesian UNet / 3D nnUNet / / / / |
| (英) |
Automated musculoskeletal segmentation, / Torso CT images / 2D Bayesian UNet / 3D nnUNet / / / / |
| 文献情報 |
信学技報, vol. 123, no. 411, MI2023-70, pp. 122-126, 2024年3月. |
| 資料番号 |
MI2023-70 |
| 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 |
MI2023-70 |