講演抄録/キーワード |
講演名 |
2022-01-26 10:13
[ショートペーパー]Contrastive Learningに基づく次元削減によるCovid-19の胸部CT画像に対する異常検知 ○飛世裕貴・クグレ マウリシオ・横田達也(名工大)・橋本正弘(慶大)・大竹義人(奈良先端大)・明石敏昭(順天堂大)・清水昭伸(東京農工大)・本谷秀堅(名工大) MI2021-53 |
抄録 |
(和) |
Covid-19の診断支援を目的として,肺野CT画像中の異常部位検知法を提案する.正常症例のパッチ画像の確率密度分布に基づく1クラス識別器の考え方を採用することにより,学習データ数のクラス間の不均衡を緩和する.確率密度分布はパッチ画像空間で直接求めるのではなく,画像間の異同がユークリッド距離で表現されるような低次元空間において求めたい.そこで,Contrastive Lossに基づく学習による次元圧縮法を採用する.Contrastive Lossは利用者が定める変換に対する不変性を獲得する上で有用であり,提案法では並進や反転に対して不変な射影を学習する.本発表では肺野領域の異常部位の検出結果を報告する. |
(英) |
In this article, we propose a method that detects anomaly regions in chest CT images for the aid of Covid-19 diagnosis. Employing an approach for constructing a 1-class classifier based on the probability distribution of patch images of normal cases, we can relax the unbalance of the training data between different classes. The probability distribution should be estimated not in the patch image space but in a low-dimensional space in which we can estimate the similarity between patch images by referring to the Euclid distance between them. We therefore employ a contrastive-loss-based self-supervised learning method for the dimensionality reduction. The contrastive-loss is useful for realizing the projection invariant to the operations defined by users. We obtain a projection of patch images that is invariant against translation and flipping. Some experimental results are reported in this presentation. |
キーワード |
(和) |
胸部CT画像 / Covid-19 / 異常検知 / ニューラルネットワーク / Contrastive Learning / Normalizing Flows / / |
(英) |
chest CT images / Covid-19 / anomaly detection / neural network / Contrastive Learning / Normalizing Flows / / |
文献情報 |
信学技報, vol. 121, no. 347, MI2021-53, pp. 41-42, 2022年1月. |
資料番号 |
MI2021-53 |
発行日 |
2022-01-18 (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 |
MI2021-53 |