| 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 | 2022-07-08 16:20 ［ショートペーパー］Multi-phase CT Image Segmentation with Single-Phase Annotation Using Adversarial Unsupervised Domain Adaptation ○Swathi Ananda・Yutaro Iwamoto（Ritsumeikan Univ.）・Xianhua HAN（Yamaguchi Univ.）・Lanfen Lin・Hongjie Hu（Zhejiang Univ.）・Yen-Wei Chen（Ritsumeikan Univ.）  MI2022-38 |
|
| 抄録 | （和） | Multi-phase computed tomography (CT) images are widely used for the diagnosis of liver disease, since different phase has different contrast enhancement (i.e., different domain), the multi-phase CT images should be annotated for all phase images for liver or tumor segmentation, which is a time-consuming and labor-expensive task. To lower the cost of manual annotation and domain shift problem, we propose an adversarial unsupervised domain adaptation (UDA) method for liver segmentation of multi-phase CT images with only single-phase annotation. The framework consists of two modules: a generator and a discriminator. We have employed U-Net as a generator as it is designed for medical image segmentation. We first use the annotated source images to train the generator only. Then we use the adversarial learning to train both generator and discriminator to minimize the difference between the source heatmap and target heatmap (domain shift). The refined generator is used for multi-phase CT image segmentation. To perform liver segmentation, initially, we have conducted experiments within each phase of our internal MPCT-FLL dataset (i.e., by utilizing the PV phase as the source and the ART phase as the target). Further, we use the publicly available LiTS dataset which consists of annotated PV phase images as the source domain, and each phase of our internal MPCT-FLL dataset i.e., (PV, ART, NC phase) as a target domain. The experimental results of this work suggest consistent and comparable improvement in the performance of our liver tumor segmentation over the previously reported state-of-the-art methods. |
| （英） | Multi-phase computed tomography (CT) images are widely used for the diagnosis of liver disease, since different phase has different contrast enhancement (i.e., different domain), the multi-phase CT images should be annotated for all phase images for liver or tumor segmentation, which is a time-consuming and labor-expensive task. To lower the cost of manual annotation and domain shift problem, we propose an adversarial unsupervised domain adaptation (UDA) method for liver segmentation of multi-phase CT images with only single-phase annotation. The framework consists of two modules: a generator and a discriminator. We have employed U-Net as a generator as it is designed for medical image segmentation. We first use the annotated source images to train the generator only. Then we use the adversarial learning to train both generator and discriminator to minimize the difference between the source heatmap and target heatmap (domain shift). The refined generator is used for multi-phase CT image segmentation. To perform liver segmentation, initially, we have conducted experiments within each phase of our internal MPCT-FLL dataset (i.e., by utilizing the PV phase as the source and the ART phase as the target). Further, we use the publicly available LiTS dataset which consists of annotated PV phase images as the source domain, and each phase of our internal MPCT-FLL dataset i.e., (PV, ART, NC phase) as a target domain. The experimental results of this work suggest consistent and comparable improvement in the performance of our liver tumor segmentation over the previously reported state-of-the-art methods. | |
| キーワード | （和） | Multi-phase CT image / domain adaptation / adversarial learrning / / / / / |
| （英） | Multi-phase CT image / domain adaptation / adversarial learrning / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 98, MI2022-38, pp. 24-25, 2022年7月. | |
| 資料番号 | MI2022-38 | |
| 発行日 | 2022-07-01 (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 | MI2022-38 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2022-07-08 - 2022-07-09 |
| 開催地（和） | 小樽商工会議所・小樽経済センターホール（４階） |
| 開催地（英） | |
| テーマ（和） | 医用画像処理・認識一般 |
| テーマ（英） | Medical imaging, recoginition, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2022-07-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） | Multi-phase CT Image Segmentation with Single-Phase Annotation Using Adversarial Unsupervised Domain Adaptation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Multi-phase CT image / Multi-phase CT image |
| キーワード(2)（和/英） | domain adaptation / domain adaptation |
| キーワード(3)（和/英） | adversarial learrning / adversarial learrning |
| 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） | Swathi Ananda / Swathi Ananda / |
| 第1著者 所属（和/英） | Ritsumeikan University (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | Yutaro Iwamoto / Yutaro Iwamoto / |
| 第2著者 所属（和/英） | Ritsumeikan University (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第3著者 氏名（和/英/ヨミ） | Xianhua HAN / Xianhua HAN / |
| 第3著者 所属（和/英） | Yamaguchi University, Japan (略称： 山口大) Yamaguchi University, Japan (略称： Yamaguchi Univ.) |
| 第4著者 氏名（和/英/ヨミ） | Lanfen Lin / Lanfen Lin / |
| 第4著者 所属（和/英） | Zhejiang University, Hangzhou, China (略称： 浙江大) Zhejiang University, Hangzhou, China (略称： Zhejiang Univ.) |
| 第5著者 氏名（和/英/ヨミ） | Hongjie Hu / Hongjie Hu / |
| 第5著者 所属（和/英） | Zhejiang University, Hangzhou, China (略称： 浙江大) Zhejiang University, Hangzhou, China (略称： Zhejiang Univ.) |
| 第6著者 氏名（和/英/ヨミ） | Yen-Wei Chen / Yen-Wei Chen / |
| 第6著者 所属（和/英） | Ritsumeikan University (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 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 | 2022-07-08 16:20:00 |
| 発表時間 | 20分 |
| 申込先研究会 | MI |
| 資料番号 | MI2022-38 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.98 |
| ページ範囲 | pp.24-25 |
| ページ数 | 2 |
| 発行日 | 2022-07-01 (MI) |
[研究会発表申込システムのトップページに戻る]