| 講演名 | 2019-09-05 CNN特徴量の解析と特徴選択 伊東 隼人(名大), 森 悠一(昭和大), 三澤 将史(昭和大), 小田 昌宏(名大), 工藤 進英(昭和大), 森 健策(名大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ポリープの病理学的パターンの識別はポリープ表面を超高倍率拡大観察して得られるテクスチャのパターンに基づく. 深層学習は大規模データに基づく表現学習方法として様々な分野で用いられており, 医用画像における病理学的パターンの識別も応用先のひとつである. 深層学習は与えられた学習データに対して損失関数を最小化する特徴量表現を達成する. しかし, これは与えられた深層学習のアーキテクチャと損失関数に対する最尤推定の意味での最適化であり, 識別的な特徴量表現が達成できているかどうかは確かでない. 本稿ではポリープ表面の超拡大大腸内視鏡画像を対象に深層学習を用いて特徴量抽出を行い, 得られた特徴量とテクスチャ特徴量の比較を行うことで, 深層学習によって得られる特徴量の実験的な解析を行う. |
| 抄録(英) | Pathological pattern classification is based on texture patterns in ultra magnified view of polyp surfaces. Deep learning is known as an useful representation learning method with large dataset in several fields including pathological classification of medical images.This representation learning method achieves an optimal representation of patterns for predefined architecture by minimising a value of loss function. However, this is the optimisation in the meaning of maximum likelihood estimation with train data for the given architecture and loss function.Therefore, whether the extracted feature is really discriminative feature or not is unclear. In this work, we analyse discriminative and generalisation ability of deep-learning based feature by comparing with texture future for colorectal endocytoscopic images of polyp surfaces. |
| キーワード(和) | 超拡大内視鏡 / 自動病理診断 / 深層学習 / 特徴選択 / 多様体学習 / 定正準化 |
| キーワード(英) | Endocytoscopy / automated pathological diagnosis / deep learning / feature selection / manifold learning / definite canonicalisation |
| 資料番号 | PRMU2019-29,MI2019-48 |
| 発行日 | 2019-08-28 (PRMU, MI) |
| 研究会情報 | |
| 研究会 | PRMU / MI / IPSJ-CVIM |
|---|---|
| 開催期間 | 2019/9/4(から2日開催) |
| 開催地（和） | 岡山大学 |
| 開催地（英） | |
| テーマ（和） | 医療・健康のためのCV/PR技術 |
| テーマ（英） | |
| 委員長氏名（和） | 佐藤 洋一(東大) / 河田 佳樹(徳島大) |
| 委員長氏名（英） | Yoichi Sato(Univ. of Tokyo) / Yoshiki Kawata(Tokushima Univ.) |
| 副委員長氏名（和） | 玉木 徹(広島大) / 木村 昭悟(NTT) / 北坂 孝幸(愛知工大) / 本谷 秀堅(名工大) |
| 副委員長氏名（英） | Toru Tamaki(Hiroshima Univ.) / Akisato Kimura(NTT) / Takayuki Kitasaka(Aichi Inst. of Tech.) / Hidekata Hontani(Nagoya Inst. of Tech.) |
| 幹事氏名（和） | 入江 豪(NTT) / 牛久 祥孝(オムロンサイニックエックス) / 平野 靖(山口大) / 原口 亮(兵庫県立大) |
| 幹事氏名（英） | Go Irie(NTT) / Yoshitaka Ushiku(OMRON SINICX) / Yasushi Hirano(Yamaguchi Univ.) / Ryo Haraguchi(Univ. of Hyogo) |
| 幹事補佐氏名（和） | 内田 祐介(DeNA) / 山下 隆義(中部大) / 滝沢 穂高(筑波大) / 大竹 義人(奈良先端大) |
| 幹事補佐氏名（英） | Yusuke Uchida(DeNA) / Takayoshi Yamashita(Chubu Univ.) / Hotaka Takizawa(Tsukuba Univ.) / Yoshito Otake(NAIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Technical Committee on Medical Imaging / Special Interest Group on Computer Vision and Image Media |
|---|---|
| 本文の言語 | ENG-JTITLE |
| タイトル（和） | CNN特徴量の解析と特徴選択 |
| サブタイトル（和） | 超拡大大腸内視鏡画像を用いた腫瘍性病変認識に向けて |
| タイトル（英） | Analysis and Feature Selection of CNN Features |
| サブタイトル（和） | Recognition of Neoplasia by using Endocytoscopic Images |
| キーワード(1)（和/英） | 超拡大内視鏡 / Endocytoscopy |
| キーワード(2)（和/英） | 自動病理診断 / automated pathological diagnosis |
| キーワード(3)（和/英） | 深層学習 / deep learning |
| キーワード(4)（和/英） | 特徴選択 / feature selection |
| キーワード(5)（和/英） | 多様体学習 / manifold learning |
| キーワード(6)（和/英） | 定正準化 / definite canonicalisation |
| 第 1 著者 氏名（和/英） | 伊東 隼人 / Hayato Itoh |
| 第 1 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 2 著者 氏名（和/英） | 森 悠一 / Yuichi Mori |
| 第 2 著者 所属（和/英） | 昭和大学横浜市北部病院(略称：昭和大) Showa University Northern Yokohama Hospital(略称：Showa Univ.) |
| 第 3 著者 氏名（和/英） | 三澤 将史 / Masashi Misawa |
| 第 3 著者 所属（和/英） | 昭和大学横浜市北部病院(略称：昭和大) Showa University Northern Yokohama Hospital(略称：Showa Univ.) |
| 第 4 著者 氏名（和/英） | 小田 昌宏 / Masahiro Oda |
| 第 4 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 5 著者 氏名（和/英） | 工藤 進英 / Shin-Ei Kudo |
| 第 5 著者 所属（和/英） | 昭和大学横浜市北部病院(略称：昭和大) Showa University Northern Yokohama Hospital(略称：Showa Univ.) |
| 第 6 著者 氏名（和/英） | 森 健策 / Kensaku Mori |
| 第 6 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 発表年月日 | 2019-09-05 |
| 資料番号 | PRMU2019-29,MI2019-48 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | PRMU-192,MI-193 |
| ページ範囲 | pp.129-134(PRMU), pp.129-134(MI), |
| ページ数 | 6 |
| 発行日 | 2019-08-28 (PRMU, MI) |