| 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 | 2016-05-19 13:30 Deep CNNに基づくCT画像からの乳腺濃度の自動分類法 ○加納拓弥・周 向栄・子安裕美・横山龍二郎・原 武史・松尾政之・藤田広志（岐阜大）  SIP2016-5 IE2016-5 PRMU2016-5 MI2016-5 |
|
| 抄録 | （和） | 乳腺濃度は乳がんのリスク評価に用いられる重要な指標である．これまでに乳腺の濃度分類には主に2次元マンモグラフィが利用されているが，3次元CT画像における乳腺濃度の測定と分類も期待される．本研究では，肺がん検診などで撮影される単純CT画像から乳腺濃度を自動的に分類する手法を提案し，他の目的で撮影されたCT画像を乳がんのリスク評価に活用する計算機支援診断システムを開発する．提案手法は乳腺周辺の解剖学的構造の認識に依存せず，CT画像から直接的に乳腺濃度のカテゴリー分類を行う処理方式である．これには，畳み込みニューラルネットワーク（CNN）を中心的な構造とし，任意のCT画像にCNNによって乳腺密度のカテゴリー番号に結びつくように，ネットワックパラメータを学習させる．全体の処理流れは，まず，入力CT画像から左右乳房領域（乳房を囲んでいる最小な3次元ボックス）をそれぞれ自動的に検出する．そして，3次元である左右乳房領域から大量な2次元断面画像（標本）を生成し，それぞれの標本に対してCNNによる乳腺濃度のカテゴリー分類を行う．全部の標本の分類結果を統計的に纏めた結果を最終的に出力する．実験では40例のCT画像（30歳から60歳までの女性症例）を使用した．Holdout法を用いた乳腺濃度の分類結果から，20症例のうち16症例の分類に成功したことを確認した．これにより，CT画像における乳腺濃度の自動分類の可能性が示された． |
| （英） | Breast density has been used as an important risk factor of breast cancer and routinely measured on 2D mammography. 3D CT images have been also expected as another image modality for breast density measurements. This research work proposed a novel method to classify a CT case directly into four categories of breast density by using an end-to-end mapping without any dependence on image segmentations. The deep convolutional neural network (CNN) was used as a core part for the classification and was trained on parameters by minimizing the classification errors to the human decisions. The processing flow of the proposed method can be described as localizing left and right breast regions on CT image firstly, and then, sampling a large number of 2D sections from the 3D breast regions for breast density classification based on the deep CNN, and making a final decision based on statistic of classification results of 2D sections. 40 CT cases from 30 to 60 years old women were used in the experiment. We used holdout validation to train and test the performance of the breast density classification, and confirmed that the breast density of 16 CT cases were classified correctly from total 20 test CT cases. In conclusion, the potential possibility of breast density classification on CT images was demonstrated. | |
| キーワード | （和） | 3次元CT画像 / 乳房領域の検出 / 乳腺密度の分類 / 畳み込みニューラルネットワーク / 深層学習 / / / |
| （英） | 3D CT images / breast region localization / breast density classification / convolutional neural network / deep learning / / / | |
| 文献情報 | 信学技報, vol. 116, no. 39, MI2016-5, pp. 21-25, 2016年5月. | |
| 資料番号 | MI2016-5 | |
| 発行日 | 2016-05-12 (SIP, IE, PRMU, MI) | |
| ISSN | Print edition: ISSN 0913-5685 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 | SIP2016-5 IE2016-5 PRMU2016-5 MI2016-5 |
|
| 研究会情報 | |
| 研究会 | PRMU IE MI SIP |
| 開催期間 | 2016-05-19 - 2016-05-20 |
| 開催地（和） | 名古屋大学 |
| 開催地（英） | |
| テーマ（和） | ヘルスケア・診断・治療のための信号・画像解析 |
| 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 | 2016-05-PRMU-IE-MI-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | Deep CNNに基づくCT画像からの乳腺濃度の自動分類法 |
| サブタイトル（和） | |
| タイトル（英） | Automatic classification of breast density on CT images by using deep CNN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 3次元CT画像 / 3D CT images |
| キーワード(2)（和/英） | 乳房領域の検出 / breast region localization |
| キーワード(3)（和/英） | 乳腺密度の分類 / breast density classification |
| キーワード(4)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(5)（和/英） | 深層学習 / deep learning |
| 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） | 加納 拓弥 / Takuya Kano / カノウ タクヤ |
| 第1著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 周 向栄 / Xiangrong Zhou / シュウ コウエイ |
| 第2著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 子安 裕美 / Hiromi Koyasu / コヤス ヒロミ |
| 第3著者 所属（和/英） | 岐阜大学附属病院 (略称： 岐阜大) Gifu University Hospital (略称： Gifu Univ. Hosp.) |
| 第4著者 氏名（和/英/ヨミ） | 横山 龍二郎 / Ryuziro Yokoyama / ヨコヤマ リュウジロウ |
| 第4著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 原 武史 / Takeshi Hara / ハラ タケシ |
| 第5著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 松尾 政之 / Masayuki Matsuo / マツオ マサユキ |
| 第6著者 所属（和/英） | 岐阜大学附属病院 (略称： 岐阜大) Gifu University Hospital (略称： Gifu Univ. Hosp.) |
| 第7著者 氏名（和/英/ヨミ） | 藤田 広志 / Hiroshi Fujita / フジタ ヒロシ |
| 第7著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-05-19 13:30:00 |
| 発表時間 | 30分 |
| 申込先研究会 | MI |
| 資料番号 | SIP2016-5, IE2016-5, PRMU2016-5, MI2016-5 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.36(SIP), no.37(IE), no.38(PRMU), no.39(MI) |
| ページ範囲 | pp.21-25 |
| ページ数 | 5 |
| 発行日 | 2016-05-12 (SIP, IE, PRMU, MI) |
[研究会発表申込システムのトップページに戻る]