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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2018-07-24 14:35
Deep Learningを用いたAi-CT画像に対する死後経過時間推定
茶位翔太平野 靖木戸尚治山口大)・木下一之稲井邦博法木左近福井大
技報オンラインサービス実施中
抄録 (和) 死後経過時間推定は犯罪捜査などの法医学分野や深夜病棟で急死した場合などにおいて重要である.一方で,日本での解剖率は極めて低く,解剖を行わない場合には身体外部からの観察や生前の医療データなどから推測を行うことになるが,これは医師の主観に大きく依存するため客観性に欠ける.そのため,Autopsy imaging(Ai)画像に対するコンピュータ支援による,客観的で高精度な死後経過時間推定方法の開発が必要である.本研究では,人間の死後CT像に対してDeep Learningによる特徴量抽出を行い,死後経過時間を推定する手法の開発を行った.実験の結果,テクスチャ特徴量を用いた先行研究では実際の死後経過時間と推定値との平均絶対誤差が1.80時間であったのに対して,提案手法では1.64時間となり,推定精度が向上することが示された. 
(英) Although estimation of postmortem time is important for criminal investigation or sudden in-hospital death in the middle of the night, the accuracy of estimation is not high enough because the estimation is done by observation from the outside of the body and antemortem medical records in Japan. Furthermore the estimation depends on medical doctors' subjectivity and their experiences. In this study, we developed a method for estimating an objective and highly accurate postmortem time for Autopsy imaging (Ai) CT images. The method we developed extracted features by using autoencoder which is one of the Deep Learning techniques. As a result of the experiment, the mean absolute error between the actual and estimated postmortem time was 1.64 hours. It was shown that the proposed method had higher accuracy comparing with the method based on texture analysis.
キーワード (和) Ai-CT / Deep Learning / 死後経過時間推定 / オートプシー・イメージング / / / /  
(英) Ai-CT / Deep Learning / Estimation of postmortem time / Autopsy imaging / / / /  
文献情報 信学技報, vol. 118, no. 150, MI2018-28, pp. 33-37, 2018年7月.
資料番号 MI2018-28 
発行日 2018-07-17 (MI) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 MI  
開催期間 2018-07-24 - 2018-07-24 
開催地(和) アイーナ(岩手県盛岡市) 
開催地(英) aiina (Morioka, Iwate) 
テーマ(和) 医用画像一般 
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 2018-07-MI 
本文の言語 日本語 
タイトル(和) Deep Learningを用いたAi-CT画像に対する死後経過時間推定 
サブタイトル(和)  
タイトル(英) Estimation of postmortem time for Ai-CT images by using Deep Learning 
サブタイトル(英)  
キーワード(1)(和/英) Ai-CT / Ai-CT  
キーワード(2)(和/英) Deep Learning / Deep Learning  
キーワード(3)(和/英) 死後経過時間推定 / Estimation of postmortem time  
キーワード(4)(和/英) オートプシー・イメージング / Autopsy imaging  
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) 茶位 翔太 / Shota Chai / チャイ ショウタ
第1著者 所属(和/英) 山口大学 (略称: 山口大)
Yamaguchi University (略称: Yamaguchi Univ.)
第2著者 氏名(和/英/ヨミ) 平野 靖 / Yasushi Hirano / ヒラノ ヤスシ
第2著者 所属(和/英) 山口大学 (略称: 山口大)
Yamaguchi University (略称: Yamaguchi Univ.)
第3著者 氏名(和/英/ヨミ) 木戸 尚治 / Shoji Kido / キド ショウジ
第3著者 所属(和/英) 山口大学 (略称: 山口大)
Yamaguchi University (略称: Yamaguchi Univ.)
第4著者 氏名(和/英/ヨミ) 木下 一之 / Kazuyuki Kinoshita / キノシタ カズユキ
第4著者 所属(和/英) 福井大学 (略称: 福井大)
University of Fukui (略称: Univ. of Fukui)
第5著者 氏名(和/英/ヨミ) 稲井 邦博 / Kunihiro Inai / イナイ クニヒロ
第5著者 所属(和/英) 福井大学 (略称: 福井大)
University of Fukui (略称: Univ. of Fukui)
第6著者 氏名(和/英/ヨミ) 法木 左近 / Sakon Noriki / ノリキ サコン
第6著者 所属(和/英) 福井大学 (略称: 福井大)
University of Fukui (略称: Univ. of Fukui)
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
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: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2018-07-24 14:35:00 
発表時間 20 
申込先研究会 MI 
資料番号 IEICE-MI2018-28 
巻番号(vol) IEICE-118 
号番号(no) no.150 
ページ範囲 pp.33-37 
ページ数 IEICE-5 
発行日 IEICE-MI-2018-07-17 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会