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(2022年6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 2021-03-17 11:00
敵対的生成ネットワークによるカラー腹腔鏡超解像画像の最適設計と画質評価
河畑則文東京理科大)・中口俊哉千葉大MI2020-91
抄録 (和) 敵対的生成ネットワークは,データから特徴を学習することで,実在しないデータを生成する一方で,存在するデータ特徴に沿って変換することが可能な教師なし学習である.我々は先行研究として,SRCNN (Super-Resolution Convolutional Neural Network)を考慮してカラー腹腔鏡画像の超解像について,画像品質の側面から議論を行ってきた.しかしながら,他のニューラルネットワーク手法との比較が十分ではなかった.ニューラルネットワーク手法及び画像内容の違いが画質に影響するかを測ることで,医用画像診断支援が可能と考えた.本稿では,敵対的生成ネットワークを用いることにより,カラー腹腔鏡超解像画像の最適設計を行い,客観的に画質評価を行った.そして,先行研究のSRCNNによる結果と比較し,手法間の性能について考察した. 
(英) The Generative Adversarial Networks (GAN) is unsupervised learning enabled to transform according to data characteristics, though this generate unreal data by learning characteristics from data. As past our study, we discussed from the viewpoint of image quality for super-resolution of color laparoscopic image including SRCNN (Super-Resolution Convolutional Neural Network). However, it was not enough to compare to other neural network methods in our discussion. We consider that it is possible to support the medical image diagnosis by measuring whether the difference of both neural network method and image contents is affected or not for image quality. In this paper, first we carried out the objective image quality assessment by designing optimally of color laparoscopic super-resolution image using Generative Adversarial Networks (GAN). And then, we discussed for performance between methods comparing to result of SRCNN.
キーワード (和) 敵対的生成ネットワーク / 教師なし学習 / 腹腔鏡画像 / 超解像 / 画質評価 / 医用画像診断 / /  
(英) Generative Adversarial Networks (GAN) / Unsupervised Learning / Laparoscopic Image / Super-Resolution / Image Quality Assessment / Medical Image Diagnosis / /  
文献情報 信学技報, vol. 120, no. 431, MI2020-91, pp. 186-190, 2021年3月.
資料番号 MI2020-91 
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 MI2020-91

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 日本語 
タイトル(和) 敵対的生成ネットワークによるカラー腹腔鏡超解像画像の最適設計と画質評価 
サブタイトル(和)  
タイトル(英) Optimal Design and Quality Assessment of Color Laparoscopic Super-Resolution Image by Generative Adversarial Networks 
サブタイトル(英)  
キーワード(1)(和/英) 敵対的生成ネットワーク / Generative Adversarial Networks (GAN)  
キーワード(2)(和/英) 教師なし学習 / Unsupervised Learning  
キーワード(3)(和/英) 腹腔鏡画像 / Laparoscopic Image  
キーワード(4)(和/英) 超解像 / Super-Resolution  
キーワード(5)(和/英) 画質評価 / Image Quality Assessment  
キーワード(6)(和/英) 医用画像診断 / Medical Image Diagnosis  
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) 河畑 則文 / Norifumi Kawabata / カワバタ ノリフミ
第1著者 所属(和/英) 東京理科大学 (略称: 東京理科大)
Tokyo University of Science (略称: Tokyo Univ. of Science)
第2著者 氏名(和/英/ヨミ) 中口 俊哉 / Toshiya Nakaguchi / ナカグチ トシヤ
第2著者 所属(和/英) 千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba 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: )
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 2021-03-17 11:00:00 
発表時間 15 
申込先研究会 MI 
資料番号 IEICE-MI2020-91 
巻番号(vol) IEICE-120 
号番号(no) no.431 
ページ範囲 pp.186-190 
ページ数 IEICE-5 
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