| 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 | 2020-10-09 11:00 CNNを用いたfunctional MRI画像解析におけるデータ前処理の検討 ○細井雄太（新潟大）・林 隆史（日大）  PRMU2020-22 |
|
| 抄録 | （和） | functional MRI（fMRI）は1990年代に登場して以来, 医学や神経科学から心理学, 言語学など様々な分野で用いられている. fMRIは非侵襲な脳計測器の中でも空間分解能に優れており, 脳機能の特定や精神疾患の推定に有効であるとされている.fMRI画像には多くの情報が含まれているとされており，その解析方法は計算機科学の発展に伴い多岐にわたっている．近年ではAIの一種である深層学習の登場により，深層学習を用いた解析手法が盛んに研究されている．特にConvolutional Neural Network(CNN)を用いた解析が増加しており，先行研究では3D-CNNによるfMRI画像の分類を行っている．しかし，fMRIから得られる画像にはノイズや解析に寄与しない部分が含まれていること，CNNはノイズの影響を受けやすいことから適切な前処理が必要となる．そこで本研究では画像内に写り込む頭蓋骨を削除するskull strip，脳構造を統一するNormalize処理によって学習結果がどのように変化するのかを確認する．また，特徴量可視化技術であるGrad-CAMを用いて頭蓋骨及び周辺領域が与える影響を報告する． |
| （英） | fuctional MRI(fMRI) has been used in various fields from medicine and neuroscience to psychology andlinguistics since its introduction in the 1990s. Among non-invasive brain measuring instruments, fMRI has excellent spatial resolution, which greatly contributes to the identification of brain function and the estimation of mental illness.It is said that fMRI images contain a lot of information, and with the progress of computer science, analysis methods are diversifying.In recent years, with the advent of deep learning, which is a type of AI, research on analysis methods using deep learning has been actively conducted.In particular, the number of analyzes using convolutional neural networks (CNNs) is increasing, and in previous studies, fMRI images were classified by 3D-CNN. However, the image obtained from fMRI contains noise and parts that do not contribute to analysis, and CNN is susceptible to noise, so appropriate pretreatment is required. Therefore, in this study, we will confirm how the learning result changes by the skull fragment that removes the skull shown in the image and the normalization process that unifies the structure of the brain. We also use Grad-CAM, a feature visualization technique, to report the effects of the skull and its surroundings. | |
| キーワード | （和） | functional MRI / Convolutional Neural Network(CNN) / Grad-CAM / 前処理 / / / / |
| （英） | functional MRI / Convolutional Neural Network(CNN) / Grad-CAM / Preprocessing / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 187, PRMU2020-22, pp. 20-25, 2020年10月. | |
| 資料番号 | PRMU2020-22 | |
| 発行日 | 2020-10-02 (PRMU) | |
| 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 | PRMU2020-22 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2020-10-09 - 2020-10-10 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 人に関わる認識・理解 |
| テーマ（英） | Recognition and understating of human |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2020-10-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | CNNを用いたfunctional MRI画像解析におけるデータ前処理の検討 |
| サブタイトル（和） | |
| タイトル（英） | Examination of data preprocessing in functional MRI image analysis using CNN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | functional MRI / functional MRI |
| キーワード(2)（和/英） | Convolutional Neural Network(CNN) / Convolutional Neural Network(CNN) |
| キーワード(3)（和/英） | Grad-CAM / Grad-CAM |
| キーワード(4)（和/英） | 前処理 / Preprocessing |
| 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） | 細井 雄太 / Yuta Hosoi / |
| 第1著者 所属（和/英） | 新潟大学 (略称： 新潟大) Niigata University (略称： Niigata Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 林 隆史 / Takafumi Hayashi / |
| 第2著者 所属（和/英） | 日本大学工学部 (略称： 日大) College of Engineering. Nihon University (略称： Nihon Univ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-10-09 11:00:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2020-22 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.187 |
| ページ範囲 | pp.20-25 |
| ページ数 | 6 |
| 発行日 | 2020-10-02 (PRMU) |
[研究会発表申込システムのトップページに戻る]