| 講演名 | 2020-01-29 正常データセットの教師なし学習に基づく病変検出支援システム画像特徴量の汎用的生成に関する検討 牛房 和之(近畿大), 根本 充貴(近畿大), 木村 裕一(近畿大), 永岡 隆(近畿大), 山田 誉大(近畿大), 田中 敦子(近畿大), 林 直人(東大医学部附属病院), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | コンピュータ検出支援(CADe)システムにおいて画像特徴量は重要な要素である．本研究では，特徴量の病変や医用画像モダリティ，病変データ数への依存性を考慮して，正常領域データセットのみを用いた，特徴量の，病変や画像モダリティに依存しない深層学習法を提案する．さらに，学習データ数に対する頑健性の評価のため，学習データ数を減らした際の性能を比較する．提案法の有用性の確認のため，頭部MRA上の脳動脈瘤検出CADeシステムへ適用した結果，ANODE scoreの平均値は0.523，標準偏差は0.0362であった．また，学習データ数を大幅に減らした場合でも，提案法によって認識に有用な特徴量の自動生成がなされることを確認した． |
| 抄録(英) | In a computer-aided detection system, image features are essential factors. In this study, we propose an image feature generation method that is based on unsupervised deep learning with only a normal dataset and could generate image features irrespective of the training dataset scale. To evaluate robustness against the scale of training data, we experimentally evaluate change of performance with the reduction of the scale of the training dataset. As a result of applied the proposed method to the identification of cerebral aneurysm on head MRA, the average ANODE score was 0.523 ± 0.0362. Furthermore, we also confirmed that our method could create useful features, even if the training data decrease. |
| キーワード(和) | 画像特徴量 / 教師なし学習 / 深層畳み込みオートエンコーダ / 小規模学習データセット |
| キーワード(英) | Image feature / Unsupervised deep learning / Convolutional autoencoder / Small training dataset |
| 資料番号 | MI2019-68 |
| 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） | 正常データセットの教師なし学習に基づく病変検出支援システム画像特徴量の汎用的生成に関する検討 |
| サブタイトル（和） | 少規模なデータセットを用いた特徴量生成の実験的検証 |
| タイトル（英） | A study of generalized generation of image features for computer-aided detection systems based on unsupervised learning with normal datasets |
| サブタイトル（和） | Experimental evaluations of feature generation by small datasets |
| キーワード(1)（和/英） | 画像特徴量 / Image feature |
| キーワード(2)（和/英） | 教師なし学習 / Unsupervised deep learning |
| キーワード(3)（和/英） | 深層畳み込みオートエンコーダ / Convolutional autoencoder |
| キーワード(4)（和/英） | 小規模学習データセット / Small training dataset |
| 第 1 著者 氏名（和/英） | 牛房 和之 / Kazuyuki Ushifusa |
| 第 1 著者 所属（和/英） | 近畿大学(略称：近畿大) Kindai University(略称：Kindai Uni.) |
| 第 2 著者 氏名（和/英） | 根本 充貴 / Mitsutaka Nemoto( |
| 第 2 著者 所属（和/英） | 近畿大学(略称：近畿大) Kindai University(略称：Kindai Uni.) |
| 第 3 著者 氏名（和/英） | 木村 裕一 / Yuichi Kimura |
| 第 3 著者 所属（和/英） | 近畿大学(略称：近畿大) Kindai University(略称：Kindai Uni.) |
| 第 4 著者 氏名（和/英） | 永岡 隆 / Takashi Nagaoka |
| 第 4 著者 所属（和/英） | 近畿大学(略称：近畿大) Kindai University(略称：Kindai Uni.) |
| 第 5 著者 氏名（和/英） | 山田 誉大 / Takahiro Yamada |
| 第 5 著者 所属（和/英） | 近畿大学(略称：近畿大) Kindai University(略称：Kindai Uni.) |
| 第 6 著者 氏名（和/英） | 田中 敦子 / Atsuko Tanaka |
| 第 6 著者 所属（和/英） | 近畿大学(略称：近畿大) Kindai University(略称：Kindai Uni.) |
| 第 7 著者 氏名（和/英） | 林 直人 / Naoto Hayashi |
| 第 7 著者 所属（和/英） | 東京大学医学部附属病院(略称：東大医学部附属病院) The University of Tokyo Hospital(略称：The Uni of Tokyo Hosp) |
| 発表年月日 | 2020-01-29 |
| 資料番号 | MI2019-68 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | MI-399 |
| ページ範囲 | pp.15-18(MI), |
| ページ数 | 4 |
| 発行日 | 2020-01-22 (MI) |