お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
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
[ログイン]
技報アーカイブ
 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 2020-01-29 10:05
正常データセットの教師なし学習に基づく病変検出支援システム画像特徴量の汎用的生成に関する検討 ~ 少規模なデータセットを用いた特徴量生成の実験的検証 ~
牛房和之根本充貴木村裕一永岡 隆山田誉大田中敦子近畿大)・林 直人東大医学部附属病院MI2019-68
抄録 (和) コンピュータ検出支援(CADe)システムにおいて画像特徴量は重要な要素である.本研究では,特徴量の病変や医用画像モダリティ,病変データ数への依存性を考慮して,正常領域データセットのみを用いた,特徴量の,病変や画像モダリティに依存しない深層学習法を提案する.さらに,学習データ数に対する頑健性の評価のため,学習データ数を減らした際の性能を比較する.提案法の有用性の確認のため,頭部MRA上の脳動脈瘤検出CADeシステムへ適用した結果,ANODE scoreの平均値は0.523,標準偏差は0.0362であった.また,学習データ数を大幅に減らした場合でも,提案法によって認識に有用な特徴量の自動生成がなされることを確認した. 
(英) In a computer-aided detection system, image features are essential factors. In this study, we propose an image feature generation method that is based on unsupervised deep learning with only a normal dataset and could generate image features irrespective of the training dataset scale. To evaluate robustness against the scale of training data, we experimentally evaluate change of performance with the reduction of the scale of the training dataset. As a result of applied the proposed method to the identification of cerebral aneurysm on head MRA, the average ANODE score was 0.523 ± 0.0362. Furthermore, we also confirmed that our method could create useful features, even if the training data decrease.
キーワード (和) 画像特徴量 / 教師なし学習 / 深層畳み込みオートエンコーダ / 小規模学習データセット / / / /  
(英) Image feature / Unsupervised deep learning / Convolutional autoencoder / Small training dataset / / / /  
文献情報 信学技報, vol. 119, no. 399, MI2019-68, pp. 15-18, 2020年1月.
資料番号 MI2019-68 
発行日 2020-01-22 (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 MI2019-68

研究会情報
研究会 MI  
開催期間 2020-01-29 - 2020-01-30 
開催地(和) 沖縄県青年会館 
開催地(英) OKINAWAKEN SEINENKAIKAN 
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 2020-01-MI 
本文の言語 日本語 
タイトル(和) 正常データセットの教師なし学習に基づく病変検出支援システム画像特徴量の汎用的生成に関する検討 
サブタイトル(和) 少規模なデータセットを用いた特徴量生成の実験的検証 
タイトル(英) A study of generalized generation of image features for computer-aided detection systems based on unsupervised learning with normal datasets 
サブタイトル(英) Experimental evaluations of feature generation by small datasets 
キーワード(1)(和/英) 画像特徴量 / Image feature  
キーワード(2)(和/英) 教師なし学習 / Unsupervised deep learning  
キーワード(3)(和/英) 深層畳み込みオートエンコーダ / Convolutional autoencoder  
キーワード(4)(和/英) 小規模学習データセット / Small training dataset  
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) 牛房 和之 / Kazuyuki Ushifusa / ウシフサ カズユキ
第1著者 所属(和/英) 近畿大学 (略称: 近畿大)
Kindai University (略称: Kindai Uni.)
第2著者 氏名(和/英/ヨミ) 根本 充貴 / Mitsutaka Nemoto( / ネモト ミツタカ
第2著者 所属(和/英) 近畿大学 (略称: 近畿大)
Kindai University (略称: Kindai Uni.)
第3著者 氏名(和/英/ヨミ) 木村 裕一 / Yuichi Kimura / キムラ ユウイチ
第3著者 所属(和/英) 近畿大学 (略称: 近畿大)
Kindai University (略称: Kindai Uni.)
第4著者 氏名(和/英/ヨミ) 永岡 隆 / Takashi Nagaoka / ナガオカ タカシ
第4著者 所属(和/英) 近畿大学 (略称: 近畿大)
Kindai University (略称: Kindai Uni.)
第5著者 氏名(和/英/ヨミ) 山田 誉大 / Takahiro Yamada / ヤマダ タカヒロ
第5著者 所属(和/英) 近畿大学 (略称: 近畿大)
Kindai University (略称: Kindai Uni.)
第6著者 氏名(和/英/ヨミ) 田中 敦子 / Atsuko Tanaka / タナカ アツコ
第6著者 所属(和/英) 近畿大学 (略称: 近畿大)
Kindai University (略称: Kindai Uni.)
第7著者 氏名(和/英/ヨミ) 林 直人 / Naoto Hayashi / ハヤシ ナオト
第7著者 所属(和/英) 東京大学医学部附属病院 (略称: 東大医学部附属病院)
The University of Tokyo Hospital (略称: The Uni of Tokyo Hosp)
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 2020-01-29 10:05:00 
発表時間 10 
申込先研究会 MI 
資料番号 IEICE-MI2019-68 
巻番号(vol) IEICE-119 
号番号(no) no.399 
ページ範囲 pp.15-18 
ページ数 IEICE-4 
発行日 IEICE-MI-2020-01-22 


[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