講演抄録/キーワード |
講演名 |
2020-05-29 14:10
脳腫瘍セグメンテーションのための階層的な隠れマルコフモデルの構築 ○本多拓哉・中原悠太・松嶋敏泰(早大) SIP2020-13 BioX2020-13 IE2020-13 MI2020-13 |
抄録 |
(和) |
脳腫瘍セグメンテーションとは,近年注目されているコンピューターが医師の診断を補助するシステムの一つである.従来では,脳腫瘍の発生メカニズムやヒトの脳の身体的な構造を反映したモデルを元に行われている研究が少ない.本研究では,そのような構造や背景知識を活かすため,2階層の隠れマルコフモデルを提案し,腫瘍を持つ脳MRIを表現した.このように,データに対し陽にデータの背景知識を活かしたモデルを組み,脳腫瘍セグメンテーションを行った.今回は,このモデルに対し,脳腫瘍セグメンテーションを状態推定問題として定式化を行い,ベイズ基準の下最適な決定を導出した.その後,効率的な近似アルゴリズムを導出した. |
(英) |
Brain tumor segmentation is one of the systems that a computer, which has attracted attention in recent years, assists doctors in diagnosis. Conventionally, the mainstream method is to obtain a threshold value for judging whether a tumor is a tumor from the pixel values of the brain image.In this study, we proposed a two-level hidden Markov model to express the mechanism of brain tumor development and the physical structure of the human brain, and expressed brain MRI with tumor. In this way, it is possible to make use of the data to make use of the background knowledge of the data to solve various problems.
In this study, this model was formulated as a state estimation problem, and the optimal decision was derived under Bayesian criteria. After that, we derived an efficient approximation algorithm. |
キーワード |
(和) |
MRI / 脳腫瘍セグメンテーション / 拡張分離型格子隠れマルコフモデル / 数理モデル / / / / |
(英) |
MRI / brain tumor segmentation / extended separable lattice hidden Markov model / mathematical model / / / / |
文献情報 |
信学技報, vol. 120, no. 39, IE2020-13, pp. 61-66, 2020年5月. |
資料番号 |
IE2020-13 |
発行日 |
2020-05-21 (SIP, BioX, IE, MI) |
ISSN |
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 |
SIP2020-13 BioX2020-13 IE2020-13 MI2020-13 |
研究会情報 |
研究会 |
MI IE SIP BioX ITE-IST ITE-ME |
開催期間 |
2020-05-28 - 2020-05-29 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
映像・信号の処理・解析・AI技術とその多分野応用 |
テーマ(英) |
Image and signal processing/analysis/AI technology, and their application |
講演論文情報の詳細 |
申込み研究会 |
IE |
会議コード |
2020-05-MI-IE-SIP-BioX-IST-ME |
本文の言語 |
日本語 |
タイトル(和) |
脳腫瘍セグメンテーションのための階層的な隠れマルコフモデルの構築 |
サブタイトル(和) |
|
タイトル(英) |
Construction of Hidden Markov Models for Brain Tumor Segmentation |
サブタイトル(英) |
|
キーワード(1)(和/英) |
MRI / MRI |
キーワード(2)(和/英) |
脳腫瘍セグメンテーション / brain tumor segmentation |
キーワード(3)(和/英) |
拡張分離型格子隠れマルコフモデル / extended separable lattice hidden Markov model |
キーワード(4)(和/英) |
数理モデル / mathematical model |
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) |
本多 拓哉 / Takuya Honda / ホンダ タクヤ |
第1著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
第2著者 氏名(和/英/ヨミ) |
中原 悠太 / Yuta Nakahara / |
第2著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
第3著者 氏名(和/英/ヨミ) |
松嶋 敏泰 / Matushima Toshiyasu / |
第3著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
第1著者 |
発表日時 |
2020-05-29 14:10:00 |
発表時間 |
20分 |
申込先研究会 |
IE |
資料番号 |
SIP2020-13, BioX2020-13, IE2020-13, MI2020-13 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.38(SIP), no.37(BioX), no.39(IE), no.40(MI) |
ページ範囲 |
pp.61-66 |
ページ数 |
6 |
発行日 |
2020-05-21 (SIP, BioX, IE, MI) |
|