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 2020-09-03 10:00
胸腔鏡画像における教師なし画像変換を用いた肺領域抽出
新田潤平中尾 恵京大)・今西勁峰イーグロース)・松田哲也京大MI2020-19
抄録 (和) 内視鏡手術において安全性向上の観点から関心領域の三次元構造の把握が必要である.術中の変形が小さい臓器については事前に撮影したCT画像を三次元構造の把握のために用いることができるが,術中変形の大きい臓器については変形推定が必要である.術中臓器の変形推定に関する研究は広く行われているが,変形推定を行うためにはカメラ画像内の二次元臓器領域の抽出が必要である.本研究では,術中変形が大きい臓器である肺を対象に,U-netを用いて胸腔鏡画像に対する肺領域抽出を試みた.胸腔鏡画像のうち喫煙者の画像については抽出精度が低下する問題に対し,正則化項を追加した損失関数に基づいたCycleGANを用いて教師なし画像変換を行い,抽出精度の向上を試みたので報告する. 
(英) In endoscopic surgery, it is necessary to understand the three-dimensional structure of the target region to improve safety. For organs that do not deform much during surgery, preoperative CT images can be used to understand their three-dimensional structure, however, deformation estimation is necessary for organs that deform substantially. Even though the intraoperative deformation estimation of organs has been widely studied, two-dimensional organ region segmentations from camera images are necessary to perform this estimation. In this paper, we performed lung region segmentation method using U-net for the thoracoscopic image, which is an organ that deforms substantially during surgery. To solve the problem of low segmentation accuracy of smoker thoracoscopic images, we performed unsupervised image translation using a CycleGAN, which we added a regularization term to the loss function. This presentation reports the image translation results and its effect of lung region segmentation.
キーワード (和) 教師なし学習 / 肺領域抽出 / 敵対的生成ネットワーク / 胸腔鏡画像 / / / /  
(英) unsupervised learning / lung region segmentation / generative adversarial network / thoracoscopic images / / / /  
文献情報 信学技報, vol. 120, no. 156, MI2020-19, pp. 13-18, 2020年9月.
資料番号 MI2020-19 
発行日 2020-08-27 (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 MI2020-19

研究会情報
研究会 MI  
開催期間 2020-09-03 - 2020-09-03 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 医用画像解析一般 
テーマ(英) Medical Image Analysis 
講演論文情報の詳細
申込み研究会 MI 
会議コード 2020-09-MI 
本文の言語 日本語 
タイトル(和) 胸腔鏡画像における教師なし画像変換を用いた肺領域抽出 
サブタイトル(和)  
タイトル(英) Lung region segmentation of thoracoscopic image with unsupervised image translation 
サブタイトル(英)  
キーワード(1)(和/英) 教師なし学習 / unsupervised learning  
キーワード(2)(和/英) 肺領域抽出 / lung region segmentation  
キーワード(3)(和/英) 敵対的生成ネットワーク / generative adversarial network  
キーワード(4)(和/英) 胸腔鏡画像 / thoracoscopic images  
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) 新田 潤平 / Jumpei Nitta / ニッタ ジュンペイ
第1著者 所属(和/英) 京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.)
第2著者 氏名(和/英/ヨミ) 中尾 恵 / Megumi Nakao / ナカオ メグミ
第2著者 所属(和/英) 京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.)
第3著者 氏名(和/英/ヨミ) 今西 勁峰 / Keiho Imanishi / イマニシ ケイホウ
第3著者 所属(和/英) イーグロース株式会社 (略称: イーグロース)
e-Growth Co. Ltd. (略称: e-Growth Co. Ltd.)
第4著者 氏名(和/英/ヨミ) 松田 哲也 / Tetsuya Matsuda / マツダ テツヤ
第4著者 所属(和/英) 京都大学 (略称: 京大)
Kyoto University (略称: Kyoto 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 2020-09-03 10:00:00 
発表時間 15 
申込先研究会 MI 
資料番号 IEICE-MI2020-19 
巻番号(vol) IEICE-120 
号番号(no) no.156 
ページ範囲 pp.13-18 
ページ数 IEICE-6 
発行日 IEICE-MI-2020-08-27 


[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