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 15:05
転移学習による肺野結節影の検出精度の向上
山崎達也山川颯人吉村宣彦山崎元彦新潟大
技報オンラインサービス実施中
抄録 (和) 日本においてがんは死亡原因の第一位であり,近年はその中でも死亡数が高くなってきているのが肺がんである.肺がんは,早期発見により治療を開始することで死亡率が低下することが証明されている.肺がんの精密検査の一つに胸部CT(Computed Tomography)検査があるが,撮影された胸部CT画像に対する診断を下す専門医の不足が課題となってきている.一方で,大規模なデータベースを用いて,画像に含まれている特徴の推定を自動的に行い,与えられたクラスに画像を分類する深層学習(DL: Deep Learning)という手法の有用性が,非常に高まってきている.胸部CT画像の診断にもDLを適用することにより,専門医不足に対応できる可能性がある.しかしながら,常にCT画像の大規模データベースが用意できるとは限らない.本稿ではそのような場合でも,公開されている同種の胸部CT画像を用いて事前学習する転移学習という手法を用いることで,結節影の検出精度が向上することを検証する. 
(英) In Japan, cancer is the first leading cause of death and, in particular, fatalities of lung cancer is increasing recently. It is proved that the mortality rate of lung cancer can be decreased by remedy commencement with early detection. Although chest CT inspection is one of the detailed examinations for lung cancer, it has been an issue that the number of specialists who diagnose the chest CT images is not enough. On the other hand, usefulness of Deep Learning (DL), that can extract the features in the object images based on a large image database and classify the images, is growing. The issue of specialist shortage might be solved by applying DL to the diagnosis of lung CT images. However, such a large database of CT images is not always available. In this paper, for such a case, it is verified that accuracy of lung nodule detection can be improved by the transfer learning that train a DL model by making use of public databases including the same kind of chest CT images.
キーワード (和) CT画像 / 肺結節影 / 深層学習 / 転移学習 / / / /  
(英) CT Image / Lung Nodule / Deep Learning / Transfer Learning / / / /  
文献情報 信学技報, vol. 118, no. 150, MI2018-29, pp. 39-43, 2018年7月.
資料番号 MI2018-29 
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) 転移学習による肺野結節影の検出精度の向上 
サブタイトル(和)  
タイトル(英) Improving Accuracy of Lung nodules Detection by Transfer Learning 
サブタイトル(英)  
キーワード(1)(和/英) CT画像 / CT Image  
キーワード(2)(和/英) 肺結節影 / Lung Nodule  
キーワード(3)(和/英) 深層学習 / Deep Learning  
キーワード(4)(和/英) 転移学習 / Transfer Learning  
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) 山崎 達也 / Tatsuya Yamazaki / ヤマザキ タツヤ
第1著者 所属(和/英) 新潟大学 (略称: 新潟大)
Niigata University (略称: Niigata Univ.)
第2著者 氏名(和/英/ヨミ) 山川 颯人 / Hayato Yamakawa / ヤマカワ ハヤト
第2著者 所属(和/英) 新潟大学 (略称: 新潟大)
Niigata University (略称: Niigata Univ.)
第3著者 氏名(和/英/ヨミ) 吉村 宣彦 / Norihiko Yoshimura / ヨシムラ ノリヒコ
第3著者 所属(和/英) 新潟大学 (略称: 新潟大)
Niigata University (略称: Niigata Univ.)
第4著者 氏名(和/英/ヨミ) 山崎 元彦 / Motohiko Yamazaki / ヤマザキ モトヒコ
第4著者 所属(和/英) 新潟大学 (略称: 新潟大)
Niigata University (略称: Niigata Univ.)
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
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 15:05:00 
発表時間 20 
申込先研究会 MI 
資料番号 IEICE-MI2018-29 
巻番号(vol) IEICE-118 
号番号(no) no.150 
ページ範囲 pp.39-43 
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