| 講演名 | 2020-01-29 ［ポスター講演］CNN特徴量と形態的特徴量を用いた乳房超音波画像における腫瘤病変の病理組織型の分類法 國枝 紳也(立命館大), 檜作 彰良(立命館大), 中山 良平(立命館大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本研究の目的は，医師の治療方針の決定を支援するために，CNN（Convolutional Neural Network）特徴量と形態的特徴量を用いたSVM（Support Vector Machine）により，乳房超音波画像における腫瘤病変の病理組織型を分類することである．実験試料は，585名の患者から得られた585枚の乳房超音波画像で構成される．提案手法では，まず，腫瘤病変より1,024個のCNN特徴量と8個の形態的特徴量を抽出する．そして，これらの特徴量を用いたSVMにより，腫瘤病変を4つの病理組織型に分類する．3-分割交差検証法に基づき，提案手法を実験試料に適用した結果，浸潤がん85.8%（187/218），非浸潤がん77.1%（54/70），線維腺腫83.5%（152/182），嚢胞85.2%（98/115）の分類精度が得られ，提案手法の有用性が示唆された． |
| 抄録(英) | The purpose of this study was to develop a computerized determination method for histological classifications of masses on breast ultrasonographic images using CNN (Convolutional Neural Network) features and morphologic features in order to assist clinicians in determining a treatment plan. Our database consisted of 585 breast ultrasonographic images obtained from 585 patients. In our proposed method, 1,024 CNN features and eight morphologic features were first determined from a mass. An SVM (Support Vector Machine) with those features was employed to classify among histological classifications of masses. Three-fold cross validation method was used for training and testing the SVM. The classification accuracies of the proposed method were 85.8% (187/218) for invasive carcinomas, 77.1% (54/70) for noninvasive carcinomas, 83.5% (152/182) for fibroadenomas, and 85.2% (98/115) for cysts, respectively. The proposed method yielding high classification accuracies would be useful in the differential diagnosis of masses on breast ultrasonographic images as diagnosis aid. |
| キーワード(和) | 病理組織型の分類 / 畳み込みニューラルネットワーク / 腫瘤 / 超音波画像 |
| キーワード(英) | Histological Classification / Convolutional Neural Network / Mass / Ultrasonographic Image |
| 資料番号 | MI2019-76 |
| 発行日 | 2020-01-22 (MI) |
| 研究会情報 | |
| 研究会 | MI |
|---|---|
| 開催期間 | 2020/1/29(から2日開催) |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWAKEN SEINENKAIKAN |
| テーマ（和） | 医用画像工学一般 |
| テーマ（英） | Medical Image Engineering, Analysis, Recognition, etc. |
| 委員長氏名（和） | 河田 佳樹(徳島大) |
| 委員長氏名（英） | Yoshiki Kawata(Tokushima Univ.) |
| 副委員長氏名（和） | 北坂 孝幸(愛知工大) / 本谷 秀堅(名工大) |
| 副委員長氏名（英） | Takayuki Kitasaka(Aichi Inst. of Tech.) / Hidekata Hontani(Nagoya Inst. of Tech.) |
| 幹事氏名（和） | 平野 靖(山口大) / 原口 亮(兵庫県立大) |
| 幹事氏名（英） | Yasushi Hirano(Yamaguchi Univ.) / Ryo Haraguchi(Univ. of Hyogo) |
| 幹事補佐氏名（和） | 滝沢 穂高(筑波大) / 大竹 義人(奈良先端大) |
| 幹事補佐氏名（英） | Hotaka Takizawa(Tsukuba Univ.) / Yoshito Otake(NAIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Medical Imaging |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［ポスター講演］CNN特徴量と形態的特徴量を用いた乳房超音波画像における腫瘤病変の病理組織型の分類法 |
| サブタイトル（和） | |
| タイトル（英） | [Poster Presentation] Computerized Determination Method for Histological Classification of Breast Masses on Ultrasonographic Images Using CNN Features and Morphological Features |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 病理組織型の分類 / Histological Classification |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Network |
| キーワード(3)（和/英） | 腫瘤 / Mass |
| キーワード(4)（和/英） | 超音波画像 / Ultrasonographic Image |
| 第 1 著者 氏名（和/英） | 國枝 紳也 / Shinya Kunieda |
| 第 1 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 第 2 著者 氏名（和/英） | 檜作 彰良 / Akiyoshi Hizukuri |
| 第 2 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 第 3 著者 氏名（和/英） | 中山 良平 / Ryohei Nakayama |
| 第 3 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 発表年月日 | 2020-01-29 |
| 資料番号 | MI2019-76 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | MI-399 |
| ページ範囲 | pp.53-55(MI), |
| ページ数 | 3 |
| 発行日 | 2020-01-22 (MI) |