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 14:50
[ショートペーパー]Towards Annotating Less Medical Images: -- PGGAN-based MR Image Augmentation for Brain Tumor Detection --
Changhee HanUTokyo)・Hideaki HayashiKyushu Univ.)・Leonardo RundoUniv. Cambridge)・Ryosuke ArakiChubu Univ.)・Yudai NaganoUTokyo)・Yujiro FurukawaKanto Rosai Hosp.)・Giancarlo MauriUniv. Milano-Bicocca)・Hideki NakayamaUTokyo
技報オンラインサービス実施中
抄録 (和) How can we tackle the lack of available annotated medical image data through Data Augmentation (DA) techniques for accurate computer-assisted diagnosis? To fill the data lack in the real image distribution, we synthesize brain contrast-enhanced Magnetic Resonance (MR) images---realistic but completely different from the original ones---using Generative Adversarial Networks (GANs). Especially, we exploit Progressive Growing of GANs (PGGANs) to generate original-sized 256 × 256 brain MR images. Our results show that this novel PGGAN-based medical DA method can achieve better performance, when combined with classical DA and GAN-based refinement, in convolutional neural network-based tumor detection and also in other medical imaging tasks. 
(英) How can we tackle the lack of available annotated medical image data through Data Augmentation (DA) techniques for accurate computer-assisted diagnosis? To fill the data lack in the real image distribution, we synthesize brain contrast-enhanced Magnetic Resonance (MR) images---realistic but completely different from the original ones---using Generative Adversarial Networks (GANs). Especially, we exploit Progressive Growing of GANs (PGGANs) to generate original-sized 256 × 256 brain MR images. Our results show that this novel PGGAN-based medical DA method can achieve better performance, when combined with classical DA and GAN-based refinement, in convolutional neural network-based tumor detection and also in other medical imaging tasks.
キーワード (和) Data Augmentation / Generative Adversarial Networks / Deep Learning / / / / /  
(英) Data Augmentation / Generative Adversarial Networks / Deep Learning / / / / /  
文献情報 信学技報, vol. 118, no. 412, MI2018-82, pp. 93-94, 2019年1月.
資料番号 MI2018-82 
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 英語 
タイトル(和)  
サブタイトル(和)  
タイトル(英) Towards Annotating Less Medical Images: 
サブタイトル(英) PGGAN-based MR Image Augmentation for Brain Tumor Detection 
キーワード(1)(和/英) Data Augmentation / Data Augmentation  
キーワード(2)(和/英) Generative Adversarial Networks / Generative Adversarial Networks  
キーワード(3)(和/英) Deep Learning / Deep Learning  
キーワード(4)(和/英) /  
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) 韓 昌熙 / Changhee Han / ハン チャンヒ
第1著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo)
第2著者 氏名(和/英/ヨミ) 早志 英朗 / Hideaki Hayashi / ハヤシ ヒデアキ
第2著者 所属(和/英) 九州大学 (略称: 九大)
Kyushu University (略称: Kyushu Univ.)
第3著者 氏名(和/英/ヨミ) ルンド レオナルド / Leonardo Rundo / ルンド レオナルド
第3著者 所属(和/英) ケンブリッジ大学 (略称: ケンブリッジ大)
University of Cambridge (略称: Univ. Cambridge)
第4著者 氏名(和/英/ヨミ) 荒木 諒介 / Ryosuke Araki / アラキ リョウスケ
第4著者 所属(和/英) 中部大学 (略称: 中部大)
Chubu University (略称: Chubu Univ.)
第5著者 氏名(和/英/ヨミ) 永野 雄大 / Yudai Nagano / ナガノ ユウダイ
第5著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo)
第6著者 氏名(和/英/ヨミ) 古川 悠次郎 / Yujiro Furukawa / フルカワ ユウジロウ
第6著者 所属(和/英) 関東労災病院 (略称: 関東労災病院)
Kanto Rosai Hospital (略称: Kanto Rosai Hosp.)
第7著者 氏名(和/英/ヨミ) マウリ ジャンカルロ / Giancarlo Mauri / マウリ ジャンカルロ
第7著者 所属(和/英) ミラノ・ビコッカ大学 (略称: ミラノ・ビコッカ大)
University of Milano-Bicocca (略称: Univ. Milano-Bicocca)
第8著者 氏名(和/英/ヨミ) 中山 英樹 / Hideki Nakayama / ナカヤマ ヒデキ
第8著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo)
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 14:50:00 
発表時間 15 
申込先研究会 MI 
資料番号 IEICE-MI2018-82 
巻番号(vol) IEICE-118 
号番号(no) no.412 
ページ範囲 pp.93-94 
ページ数 IEICE-2 
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