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 2019-01-22 13:20
マルチモーダル画像を用いた深層学習ベースの頭部解剖構造抽出 ~ 少量画像データ学習における抽出精度検証 ~
杉野貴明Holger R. Roth小田昌宏名大)・金 太一東大)・森 健策名大
技報オンラインサービス実施中
抄録 (和) 本稿では,実践的な脳外科手術シミュレーションのための精巧な頭部解剖構造モデルデータのデータベース化を図るため,患者頭部のマルチモーダル画像に基づく,Fully convolutional network (FCN)ベースの頭部解剖構造抽出手法について提案する.
特に本研究では,学習データ作成の困難を緩和するため,マルチクラスのセグメンテーションに有効なマルチスケールの画像特徴を獲得するために設計されたFCNを活用し,少量データ学習から高精度な頭部解剖構造抽出を達成する手法の構築を目的としている.
脳動脈瘤患者5名のマルチモーダル画像を基に,少量データ学習からの提案手法の頭部解剖構造抽出精度を検証した.
検証実験の結果より,微小組織の抽出精度に関しては改善の余地が残されているものの,提案手法を用いることで,学習画像データセットの全画像枚数の10 %のみを用いた少量データ学習からでも,平均80 %を超える抽出精度が達成された. 
(英) This paper proposes a fully convolutional network-based method for segmenting head anatomical structures from multi-modal images to construct a database of elaborate head anatomical models for practical neurosurgery simulation.
In this study, to ease difficulties in creating annotated data for FCN training, we aim to construct a method to achieve accurate segmentation of head anatomical structures, using FCN designed to obtain multi-scale image features effective for multi-class segmentation, from less training data.
On the bases of multi-modal images of 5 brain aneurysm cases, we validated the performance of the proposed method about segmentation of head anatomical structures from training on sparse annotation data.
From the validation results, we found that the proposed method could achieve the segmentation accuracy of more than 80 % even from training on 10 % of all images for network training.
キーワード (和) セグメンテーション / 深層学習 / 頭部解剖構造 / スパースアノテーション / / / /  
(英) Segmentation / deep learning / head anatomical structures / sparse annotation / / / /  
文献情報 信学技報, vol. 118, no. 412, MI2018-77, pp. 65-70, 2019年1月.
資料番号 MI2018-77 
発行日 2019-01-15 (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 2019-01-22 - 2019-01-23 
開催地(和) 沖縄県青年会館 
開催地(英)  
テーマ(和) 医用画像工学一般 
テーマ(英) Medical Image Engineering, Analysis, Recognition, etc. 
講演論文情報の詳細
申込み研究会 MI 
会議コード 2019-01-MI 
本文の言語 日本語 
タイトル(和) マルチモーダル画像を用いた深層学習ベースの頭部解剖構造抽出 
サブタイトル(和) 少量画像データ学習における抽出精度検証 
タイトル(英) Deep learning-based segmentation of head anatomical structures using multi-modal images 
サブタイトル(英) Segmentation accuracy validation for training on a small amount of image data 
キーワード(1)(和/英) セグメンテーション / Segmentation  
キーワード(2)(和/英) 深層学習 / deep learning  
キーワード(3)(和/英) 頭部解剖構造 / head anatomical structures  
キーワード(4)(和/英) スパースアノテーション / sparse annotation  
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) 杉野 貴明 / Takaaki Sugino / スギノ タカアキ
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) Holger R. Roth / Holger R. Roth / ホルガ― ロス
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 / オダ マサヒロ
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) 金 太一 / Taichi kin / キン タイチ
第4著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Univ. of Tokyo)
第5著者 氏名(和/英/ヨミ) 森 健策 / Kensaku Mori / モリ ケンサク
第5著者 所属(和/英) 名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ.)
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 2019-01-22 13:20:00 
発表時間 50 
申込先研究会 MI 
資料番号 IEICE-MI2018-77 
巻番号(vol) IEICE-118 
号番号(no) no.412 
ページ範囲 pp.65-70 
ページ数 IEICE-6 
発行日 IEICE-MI-2019-01-15 


[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