講演名 | 2021-07-08 低ランク性・スパース性に基づく教師なし深層学習による血管造影 石橋 諒士(長崎大), 酒井 智弥(長崎大), 羽石 秀昭(千葉大), |
---|---|
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,自然呼吸下X線造影像から血管強調画像を作成することである.DSA(digital subtraction angiography)を時系列のX線造影像に適用すると,呼吸による変動を除去できないことが問題になる.畳み込み層によるエンコーダ・デコーダ型のディープニューラルネットは,リアルタイムで高品質の血管強調画像を出力できる可能性があるが,教師あり学習のためには大量の入力画像に対してピクセルレベルの血管アノテーションが必要となる.本研究では,ロバスト主成分分析(RPCA)で血管強調画像が得られることに基づき,スパース性を誘導するRPCAの目的関数を損失関数に用いた教師なし深層学習を提案する.RPCAは時間のかかる反復計算を要するのに対し,提案手法で学習したdual frame U-Netは1回の順伝播で高速に血管強調画像を出力する.提案手法では,滑らかでないRPCAの目的関数を最小化するために自動微分のフレームワークに近接写像を組み込んだ.本稿では,数人の被験者の時系列X線造影像を提案手法で学習させるだけで,血管強調画像を出力する汎化性が確認できることを報告する. |
抄録(英) | |
キーワード(和) | 教師なし深層学習 / U-Net / スパースモデリング / ロバスト主成分分析 |
キーワード(英) | |
資料番号 | MI2021-11 |
発行日 | 2021-07-01 (MI) |
研究会情報 | |
研究会 | MI |
---|---|
開催期間 | 2021/7/8(から2日開催) |
開催地(和) | オンライン開催 |
開催地(英) | Online |
テーマ(和) | 医用画像処理および認識一般 |
テーマ(英) | Medical imaging, physics, and recognition |
委員長氏名(和) | 本谷 秀堅(名工大) |
委員長氏名(英) | Hidekata Hontani(Nagoya Inst. of Tech.) |
副委員長氏名(和) | 羽石 秀昭(千葉大) / 北坂 孝幸(愛知工大) |
副委員長氏名(英) | Hideaki Haneishi(Chiba Univ.) / Takayuki Kitasaka(Aichi 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) | 低ランク性・スパース性に基づく教師なし深層学習による血管造影 |
サブタイトル(和) | |
タイトル(英) | Unsupervised deep learning with low-rank and sparse priors for blood vessel enhancement from free-breathing angiography |
サブタイトル(和) | |
キーワード(1)(和/英) | 教師なし深層学習 |
キーワード(2)(和/英) | U-Net |
キーワード(3)(和/英) | スパースモデリング |
キーワード(4)(和/英) | ロバスト主成分分析 |
第 1 著者 氏名(和/英) | 石橋 諒士 / Ryoji Ishibashi |
第 1 著者 所属(和/英) | 長崎大学(略称:長崎大) Nagasaki University(略称:Nagasaki Univ.) |
第 2 著者 氏名(和/英) | 酒井 智弥 / Tomoya Sakai |
第 2 著者 所属(和/英) | 長崎大学(略称:長崎大) Nagasaki University(略称:Nagasaki Univ.) |
第 3 著者 氏名(和/英) | 羽石 秀昭 / Hideaki Haneishi |
第 3 著者 所属(和/英) | 千葉大学(略称:千葉大) Chiba University(略称:Chiba Univ.) |
発表年月日 | 2021-07-08 |
資料番号 | MI2021-11 |
巻番号(vol) | vol.121 |
号番号(no) | MI-98 |
ページ範囲 | pp.11-14(MI), |
ページ数 | 4 |
発行日 | 2021-07-01 (MI) |