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 2021-03-15 15:30
Evaluation of Bayesian Active Learning for Segmentation of Liver and Spleen in Large Scale Abdominal MR Data Sets
Bin ZhangYoshito OtakeMazen SoufiNAIST)・Masatoshi HoriKobe University)・Noriyuki TomiyamaOsaka University)・Yoshinobu SatoNAISTMI2020-60
抄録 (和) 画像セグメンテーションでの手動注釈は、多くの時間と費用がかかる。 ラベル付きデータセットを効率的に取得するために、Bayesian active learningが提案されている。Bayesian active learningにおいて、最も重要な部分は学習済みモデルのパフォーマンスを最大化するためのスライス(またはボクセル)の選択である。 Bayesian active learningでは(1)前回学習したモデルから推定された不確実性、つまり既存のトレーニングデータセットからの距離、および(2)画像間の類似性を考慮する必要がある。 Active learningの効率は、既存のデータセットから遠く離れた多様な画像を使用した大規模なバッチ取得によって高められる。 本研究では、251のラベル付き腹部MRデータセットを使用した現実的なシミュレーション研究により、特に肝臓と脾臓のセグメンテーションのいくつかのBayesian active learningアプローチのパフォーマンスと効率を調査した。 
(英) Manual annotation in image segmentation is time-consuming and expensive. In order to obtain large number of annotated data set efficiently, Bayesian active learning has been proposed. The key component in the iteration in Bayesian active learning is the selection of query slices (or voxels) which maximize the performance of the model trained in the next iteration. We need to take account for (1) uncertainty estimated from the model trained in the previous iteration, i.e., the distance from the existing training data set, and (2) similarity among the query images. The large batch acquisition with diverse images far from the existing data set enables higher efficiency in active learning. In this study, we investigated the performance and efficiency of several Bayesian active learning approaches specifically for segmentation of liver and spleen in a realistic simulation study using 251 fully annotated abdominal MR data set.
キーワード (和) Bayesian U-net / Bayesian active learning / / / / / /  
(英) Bayesian U-net / Bayesian active learning / / / / / /  
文献情報 信学技報, vol. 120, no. 431, MI2020-60, pp. 62-65, 2021年3月.
資料番号 MI2020-60 
発行日 2021-03-08 (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 MI2020-60

研究会情報
研究会 MI  
開催期間 2021-03-15 - 2021-03-17 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 医用画像一般(メディカルイメージング連合フォーラム) 
テーマ(英) Medical Imaging 
講演論文情報の詳細
申込み研究会 MI 
会議コード 2021-03-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) Evaluation of Bayesian Active Learning for Segmentation of Liver and Spleen in Large Scale Abdominal MR Data Sets 
サブタイトル(英)  
キーワード(1)(和/英) Bayesian U-net / Bayesian U-net  
キーワード(2)(和/英) Bayesian active learning / Bayesian active learning  
キーワード(3)(和/英) /  
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) 張 彬 / Bin Zhang / チョー ビン
第1著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST)
第2著者 氏名(和/英/ヨミ) 大竹 義人 / Yoshito Otake / オオタケ ヨシト
第2著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST)
第3著者 氏名(和/英/ヨミ) スーフィー マーゼン / Mazen Soufi / スーフィー マーゼン
第3著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST)
第4著者 氏名(和/英/ヨミ) 堀 雅敏 / Masatoshi Hori / ホリ マサトシ
第4著者 所属(和/英) 神戸大学 (略称: 神戸大)
Kobe University, Graduate School of Medicine (略称: Kobe University)
第5著者 氏名(和/英/ヨミ) 富山 憲幸 / Noriyuki Tomiyama / トミヤマ ノリユキ
第5著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University, Graduate School of Medicine (略称: Osaka University)
第6著者 氏名(和/英/ヨミ) 佐藤 嘉伸 / Yoshinobu Sato / サトウ ヨシノブ
第6著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST)
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 2021-03-15 15:30:00 
発表時間 15 
申込先研究会 MI 
資料番号 IEICE-MI2020-60 
巻番号(vol) IEICE-120 
号番号(no) no.431 
ページ範囲 pp.62-65 
ページ数 IEICE-4 
発行日 IEICE-MI-2021-03-08 


[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