| 講演名 | 2020-01-29 仮想腹腔鏡画像生成と深層学習による腹腔鏡画像からの術具領域セグメンテーション 小澤 卓也(名大), 林 雄一郎(名大), 小田 紘久(名大), 小田 昌宏(名大), 北坂 孝幸(愛知工大), 竹下 修由(国立がん研究センター東病院), 伊藤 雅昭(国立がん研究センター東病院), 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) | 本稿では，合成腹腔鏡画像生成と深層学習による腹腔鏡画像からの術具領域セグメンテーションについて述べる．腹腔鏡映像中の術具や解剖構造の自動認識技術は治療支援機器の開発や術者の技術評価に応用できる．深層学習を用いた腹腔鏡動画像の解析では，出現頻度が低い鉗子の学習データの大量収集が難しく，少数の学習データによる認識精度の低下が問題だった．そこで本稿では出現頻度の低い鉗子の学習データを画像合成技術によって増加させ，この問題を解決する．提案手法では術具の3Dモデルを実腹腔鏡動画に重畳させ，合成腹腔鏡動画とそれに対応するラベル動画を得る．実腹腔鏡動画から手動生成した学習データにこれらのデータを加え，セグメンテーションのための深層学習モデルの学習を行う．本手法を適用した結果，実腹腔鏡において出現頻度が低い鉗子の認識精度が向上した． |
| 抄録(英) | This paper proposes a surgical tool segmentation method from laparoscopic images using image synthesis and deep learning. Forceps and anatomical structure recognition in laparoscopic movies is applicable to develop various surgical assistance and surgical process analysis systems. In the analysis of laparoscopic movies using deep learning, it is difficult to collect massive training data of forceps which are used infrequently during surgery. Recognition accuracy of them may be reduced by lack of training data. This paper solves the problem by generating training data using image synthesis. A pairs of synthetic laparoscopic images and segmentation data is automatically generated by superimposing the 3D forceps models on the actual laparoscopic movies. A deep learning model of forceps segmentation is trained using both the synthetic and the manual segmentation datasets. We applied the trained model to extract forceps in laparoscopic movies. The result showed that recognition accuracy of forceps used infrequently during surgery was improved by using the proposed training data. |
| キーワード(和) | 腹腔鏡手術映像 / 術具セグメンテーション / 画像合成 |
| キーワード(英) | Laparoscopic video / Surgical tool segmentation / Image synthesis |
| 資料番号 | MI2019-94 |
| 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） | 仮想腹腔鏡画像生成と深層学習による腹腔鏡画像からの術具領域セグメンテーション |
| サブタイトル（和） | |
| タイトル（英） | Surgical tool segmentation from laparoscopic images using laparoscopic image syntheses and deep learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 腹腔鏡手術映像 / Laparoscopic video |
| キーワード(2)（和/英） | 術具セグメンテーション / Surgical tool segmentation |
| キーワード(3)（和/英） | 画像合成 / Image synthesis |
| 第 1 著者 氏名（和/英） | 小澤 卓也 / Takuya Ozawa |
| 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） | 林 雄一郎 / Yuichiro Hayashi |
| 第 2 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 3 著者 氏名（和/英） | 小田 紘久 / Hirohisa Oda |
| 第 3 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya 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） | 北坂 孝幸 / Takayuki Kitasaka |
| 第 5 著者 所属（和/英） | 愛知工業大学(略称：愛知工大) Aichi Institute of Technology(略称：Aich Ins. of Tech.) |
| 第 6 著者 氏名（和/英） | 竹下 修由 / Nobuyoshi Takeshita |
| 第 6 著者 所属（和/英） | 国立がん研究センター東病院(略称：国立がん研究センター東病院) National Cancer Center Hospital East(略称：NCC East) |
| 第 7 著者 氏名（和/英） | 伊藤 雅昭 / Masaaki Ito |
| 第 7 著者 所属（和/英） | 国立がん研究センター東病院(略称：国立がん研究センター東病院) National Cancer Center Hospital East(略称：NCC East) |
| 第 8 著者 氏名（和/英） | 森 健策 / Kensaku Mori |
| 第 8 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 | 2020-01-29 |
| 資料番号 | MI2019-94 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | MI-399 |
| ページ範囲 | pp.129-134(MI), |
| ページ数 | 6 |
| 発行日 | 2020-01-22 (MI) |