| 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 | 2026-03-06 12:59 腹腔鏡画像処理のための基盤モデル構築におけるマスク率およびデータセット拡張の検討 ○安田 楓・林 雄一郎・小田昌宏（名大）・森 健策（名大/NII）  MI2025-101 |
|
| 抄録 | （和） | 本論文では，Vision Transformer（ViT）を事前学習し，腹腔鏡画像の認識に関する複数のタスクに応用可能な基盤的モデルを作成する手法について述べる．現在，患者の身体的な負担を軽減できることから腹腔鏡手術が普及しているが，術者には高度な技術と認知負荷が求められており，画像認識技術による支援が必要とされている．しかし，医療画像解析においては教師付きデータの不足が大きな課題となっており，大量のラベルなしデータを活用できる自己教師あり学習が注目されている．そこで，本研究では，Endo700k を用いた既存の事前学習モデルEndoViT に対し，（1） マスキング手法の変更および（2）独自の大規模データセットの追加によるデータ拡張を行い，その有効性を検証した．Semantic Segmentation，Action Triplet Detection（ATD），Surgical Phase Recognition（SPR）の 3 つのダウンストリームタスクによる定量評価の結果，提案手法は，Semantic Segmentation において．mIoU を従来手法より約 4 ポイント向上させた．一方で，ATD および SPR においては従来のマスキング手法が優位であるという知見が得られた． |
| （英） | In this paper, we propose a method for pre-training a Vision Transformer (ViT) to create a foundation model applicable to multiple laparoscopic image recognition tasks. Currently, laparoscopic surgery is widely adopted due to its ability to reduce physical burden on patients. However, it imposes a significant load on surgeons, highlighting the need for computer-aided support. Since the shortage of labeled data is a major challenge in medical image analysis, Self-Supervised Learning (SSL), which leverages large-scale unlabeled data, has attracted attention. In this study, we improved EndoViT, an existing pre-training model based on Endo700k, by (1) modifying the masking strategy and (2) performing dataset expansion with our original large-scale dataset. Quantitative evaluations on three downstream tasks, Semantic Segmentation, Action Triplet Detection (ATD), and Surgical Phase Recognition (SPR), demonstrated that the proposed method improved mIoU by approximately 4 points in Semantic Segmentation. On the other hand, the results indicated that the conventional masking strategy remains superior for ATD and SPR. |
|
| キーワード | （和） | 腹腔鏡手術 / Vision Transformer / Masked Autoencoder / 基盤モデル / 手術シーン認識 / / / |
| （英） | Laparoscopic Surgery / Vision Transformer / Masked Autoencoder / Foundation Model / Surgical Scene Recognition / / / | |
| 文献情報 | 信学技報, vol. 125, no. 395, MI2025-101, pp. 155-158, 2026年3月. | |
| 資料番号 | MI2025-101 | |
| 発行日 | 2026-02-26 (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 | MI2025-101 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2026-03-05 - 2026-03-06 |
| 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 | 2026-03-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 腹腔鏡画像処理のための基盤モデル構築におけるマスク率およびデータセット拡張の検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Masking Ratio and Dataset Expansion for Pre-Training Laparoscopic Image Foundation Models |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 腹腔鏡手術 / Laparoscopic Surgery |
| キーワード(2)（和/英） | Vision Transformer / Vision Transformer |
| キーワード(3)（和/英） | Masked Autoencoder / Masked Autoencoder |
| キーワード(4)（和/英） | 基盤モデル / Foundation Model |
| キーワード(5)（和/英） | 手術シーン認識 / Surgical Scene Recognition |
| 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） | 安田 楓 / Kaede Yasuda / ヤスダ カエデ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 林 雄一郎 / Yuichiro Hayashi / ハヤシ ユウイチロウ |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 小田 昌宏 / Masahiro Oda / |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 森 健策 / Kensaku Mori / モリ ケンサク |
| 第4著者 所属（和/英） | 名古屋大学/国立情報学研究所 (略称： 名大/NII) Nagoya University/National Institute of Informatics (略称： Nagoya Univ./NII/) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-06 12:59:00 |
| 発表時間 | 13分 |
| 申込先研究会 | MI |
| 資料番号 | MI2025-101 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.395 |
| ページ範囲 | pp.155-158 |
| ページ数 | 4 |
| 発行日 | 2026-02-26 (MI) |
[研究会発表申込システムのトップページに戻る]