講演抄録/キーワード |
講演名 |
2014-01-26 16:35
撮影範囲未知CT画像からの解剖学的ランドマークを用いたRandom Forestベース空間的正規化 ○菊池和馬・岡田俊之(阪大)・花岡昇平・増谷佳孝(東大)・堀 雅敏・富山憲幸・佐藤嘉伸(阪大) MI2013-87 |
抄録 |
(和) |
我々はこれまで計算解剖モデルを用いた複数臓器自動セグメンテーションの開発を行ってきた. しかし, この方法は, 撮像範囲が上腹部であるという仮定に基づいた空間的正規化を行っており, 異なる撮像範囲のデータに対して適用できないという問題があった. 本研究では, 撮影範囲が未知のCT 画像から抽出した解剖学的ランドマークを用いた空間的正規化方法を提案する. 提案法では, 検出した多数の解剖学的ランドマークを入力として, 正規化空間を定義するバウンディングボックスのパラメータをRandom forest を用いて推定を行う. 提案法の有効性を撮影範囲が既知の場合におけるセグメンテーション精度との比較により検証した. 35 例の胸腹部CT 画像を用いた実験の結果, 提案法により, 撮像範囲が既知の場合と同等のセグメンテーション精度が得られることを示した. |
(英) |
We have proposed the fully automated multi-organ segmentation using computational anatomy modelfrom abdominal CT images. However, this method cannot apply to CT data with different eld of view (FOV) dueto the spatial normalization based on assumption that the FOV of CT image is upper abdomen. In this paper,we propose a method for spatial normalization using anatomical landmarks from CT images with unknown FOV.Given a number of anatomical landmarks, the parameters of the bounding box which determines the normalizationspace are estimated using random forest. The proposed method was evaluated by comparing the segmentationaccuracy using spatial normalization with known FOV. The experimental results using 35 thoracoabdominal CTimages showed that the performance of the proposed method was comparable to the segmentation using spatialnormalization with known FOV. |
キーワード |
(和) |
機械学習 / 重要度 / 複数臓器セグメンテーション / 特徴選択 / / / / |
(英) |
machine learning / importance / multiple organ segmentation / feature selection / / / / |
文献情報 |
信学技報, vol. 113, no. 410, MI2013-87, pp. 169-173, 2014年1月. |
資料番号 |
MI2013-87 |
発行日 |
2014-01-19 (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 |
MI2013-87 |