| 講演名 | 2019-10-19 ディープラーニングを用いたびまん性肺疾患の異常陰影識別と異常陰影量の定量化 武部 浩明(富士通研), 森脇 康貴(富士通研), 宮崎 信浩(富士通研), 馬場 孝之(富士通研), 寺田 大晃(広島大), 檜垣 徹(広島大), 粟井 和夫(広島大), 小林 弘岳(富士通), 中川 真智子(富士通), 嶋田 雅彦(富士通), 北山 健児(富士通), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 肺全体に異常陰影が現れるびまん性肺疾患の画像診断では，異常陰影の経時的な量の変化が重要な情報であり，異常陰影量を自動的に定量化できる技術が望まれている．異常陰影量の定量化は，画像から異常陰影を識別することによって行われる．びまん性肺疾患の異常陰影を識別する手法はディープラーニング(DL)を用いる手法が有効であるが，代表的な異常陰影の一つである粒状影の識別が難しいという課題があった．そこで，粒状影の3次元構造に着目することにより，DLを用いながら粒状影を識別できる手法を提案する．提案手法は，従来と比較して識別精度が向上するとともに，本手法の応用として，同一患者の複数時点で撮影された画像に対し，異常陰影量に関する経時変化を定量化できることを示す． |
| 抄録(英) | Changes in the amount of lesion over time are important information for diagnostic imaging of diffuse lung disease in which lesions appear throughout a lung. Then a technique that can automatically quantify the amount of lesion is desired. The quantification of the amount of lesion is performed by classifying the lesion from the image. A method using deep learning (DL) is effective for classifying lesions in diffuse lung disease. However, there is a problem that it is difficult to classify micro nodules that are typical lesions. We propose a method for accurately classifying micro nodules using DL by focusing on the 3D structure of a micro nodule. We confirmed that as for the proposed method, the classification accuracy was improved compared to the conventional method, and as an application of this method, the temporal change in the amount of lesions was accurately quantified for cases taken at multiple time points of the same patient. |
| キーワード(和) | ディープラーニング / びまん性肺疾患 / 異常陰影識別 / 粒状影 |
| キーワード(英) | Deep Learning / Diffuse Lung Disease / Lesion Classification / Micro Nodule |
| 資料番号 | PRMU2019-44 |
| 発行日 | 2019-10-11 (PRMU) |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2019/10/18(から2日開催) |
| 開催地（和） | 東京大学 |
| 開催地（英） | |
| テーマ（和） | PRMU技術の最前線俯瞰、クロス/ マルチモーダルな認識理解、深層学習 |
| テーマ（英） | |
| 委員長氏名（和） | 佐藤 洋一(東大) |
| 委員長氏名（英） | Yoichi Sato(Univ. of Tokyo) |
| 副委員長氏名（和） | 玉木 徹(広島大) / 木村 昭悟(NTT) |
| 副委員長氏名（英） | Toru Tamaki(Hiroshima Univ.) / Akisato Kimura(NTT) |
| 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) |
| 幹事氏名（英） | Go Irie(NTT) / Yoshitaka Ushiku(OMRON SINICX) |
| 幹事補佐氏名（和） | 内田 祐介(DeNA) / 山下 隆義(中部大) |
| 幹事補佐氏名（英） | Yusuke Uchida(DeNA) / Takayoshi Yamashita(Chubu Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ディープラーニングを用いたびまん性肺疾患の異常陰影識別と異常陰影量の定量化 |
| サブタイトル（和） | |
| タイトル（英） | Localization of Diffuse Lung Deseases' Lesions and Quantification of Their Volumes Using Deep Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ディープラーニング / Deep Learning |
| キーワード(2)（和/英） | びまん性肺疾患 / Diffuse Lung Disease |
| キーワード(3)（和/英） | 異常陰影識別 / Lesion Classification |
| キーワード(4)（和/英） | 粒状影 / Micro Nodule |
| 第 1 著者 氏名（和/英） | 武部 浩明 / Hiroaki Takebe |
| 第 1 著者 所属（和/英） | 株式会社富士通研究所(略称：富士通研) FUJITSU LABORATORIES LTD.(略称：FUJITSU LAB.) |
| 第 2 著者 氏名（和/英） | 森脇 康貴 / Yasutaka Moriwaki |
| 第 2 著者 所属（和/英） | 株式会社富士通研究所(略称：富士通研) FUJITSU LABORATORIES LTD.(略称：FUJITSU LAB.) |
| 第 3 著者 氏名（和/英） | 宮崎 信浩 / Nobuhiro Miyazaki |
| 第 3 著者 所属（和/英） | 株式会社富士通研究所(略称：富士通研) FUJITSU LABORATORIES LTD.(略称：FUJITSU LAB.) |
| 第 4 著者 氏名（和/英） | 馬場 孝之 / Takayuki Baba |
| 第 4 著者 所属（和/英） | 株式会社富士通研究所(略称：富士通研) FUJITSU LABORATORIES LTD.(略称：FUJITSU LAB.) |
| 第 5 著者 氏名（和/英） | 寺田 大晃 / Hiroaki Terada |
| 第 5 著者 所属（和/英） | 広島大学(略称：広島大) Hiroshima University(略称：Hiroshima Univ.) |
| 第 6 著者 氏名（和/英） | 檜垣 徹 / Toru Higaki |
| 第 6 著者 所属（和/英） | 広島大学(略称：広島大) Hiroshima University(略称：Hiroshima Univ.) |
| 第 7 著者 氏名（和/英） | 粟井 和夫 / Kazuo Awai |
| 第 7 著者 所属（和/英） | 広島大学(略称：広島大) Hiroshima University(略称：Hiroshima Univ.) |
| 第 8 著者 氏名（和/英） | 小林 弘岳 / Hirotaka Kobayashi |
| 第 8 著者 所属（和/英） | 富士通株式会社(略称：富士通) FUJITSU LIMITED(略称：FUJITSU) |
| 第 9 著者 氏名（和/英） | 中川 真智子 / Machiko Nakagawa |
| 第 9 著者 所属（和/英） | 富士通株式会社(略称：富士通) FUJITSU LIMITED(略称：FUJITSU) |
| 第 10 著者 氏名（和/英） | 嶋田 雅彦 / Masahiko Shimada |
| 第 10 著者 所属（和/英） | 富士通株式会社(略称：富士通) FUJITSU LIMITED(略称：FUJITSU) |
| 第 11 著者 氏名（和/英） | 北山 健児 / Kenji Kitayama |
| 第 11 著者 所属（和/英） | 富士通株式会社(略称：富士通) FUJITSU LIMITED(略称：FUJITSU) |
| 発表年月日 | 2019-10-19 |
| 資料番号 | PRMU2019-44 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | PRMU-235 |
| ページ範囲 | pp.67-72(PRMU), |
| ページ数 | 6 |
| 発行日 | 2019-10-11 (PRMU) |