| 講演名 | 2021-12-17 撮影条件が異なるCT画像に対してロバストな病変識別を実現するディープラーニング向け学習データ拡張方式の提案 宮崎 信浩(富士通), 武部 浩明(富士通), 馬場 孝之(富士通), 寺田 大晃(広島大), 檜垣 徹(広島大), 粟井 和夫(広島大), 嶋田 雅彦(富士通Japan), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | CT (Computed Tomography)画像に写る臓器内の病変は，DL (Deep Learning)に代表される画像認識により識別する．DLによる識別は，撮影条件の違いによって，学習に利用した画像の性質と，識別対象の画像の性質が異なる場合，精度が低下するという課題がある．画像の性質の違いは，着目する対象や目的に応じて適用するCT装置が有する再構成関数と呼ばれるフィルタのPSF (Point Spread Function:点拡がり関数)の違いにより生じる．本稿では，CT画像の生成に利用された再構成関数のPSFを逆変換により打ち消し，事前にCT装置から推定した代表的な再構成関数のPSFにて変換することで，CT装置で撮影可能な様々な撮影条件のCT画像を疑似的に生成するデータ拡張方式を提案する．提案方式により生成した画像をDLの学習に利用することで，提案方式を適用しない場合と比較して，学習に利用した画像とは異なる撮影条件で撮影された画像を含む評価画像に対する識別精度が向上することを示し，課題解決に有用であることを報告する． |
| 抄録(英) | In this paper, we propose a data augmentation to robust DL (deep learning)-based lesion classification for CT image with different imaging condition. The accuracy of DL results must be maintained when features of the target image differ from features of training image created on different CT scanners. The PSF (Point Spread Function) of the scanner-specific reconstruction kernel, which emphasizes specific targets, account for such differences. Our method cancels specific PSF at CT imaging and generates multiple training image with various features based on different types of PSF. |
| キーワード(和) | CT画像 / ディープラーニング / データ拡張 / 点拡がり関数 |
| キーワード(英) | CT Image / Deep Learning / Data Augmentation / Point Spread Function |
| 資料番号 | PRMU2021-48 |
| 発行日 | 2021-12-09 (PRMU) |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2021/12/16(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） | 時系列・因果推論・異常検知 |
| テーマ（英） | |
| 委員長氏名（和） | 内田 誠一(九大) |
| 委員長氏名（英） | Seiichi Uchida(Kyushu Univ.) |
| 副委員長氏名（和） | 岩村 雅一(阪府大) / 安倍 満(デンソーアイティーラボラトリ) |
| 副委員長氏名（英） | Masakazu Iwamura(Osaka Pref. Univ.) / Mitsuru Anpai(Denso IT Lab.) |
| 幹事氏名（和） | 柴田 剛志(NTT) / 西山 正志(鳥取大) |
| 幹事氏名（英） | Takashi Shibata(NTT) / Masashi Nishiyama(Tottori Univ.) |
| 幹事補佐氏名（和） | 山口 光太(サイバーエージェント) / 松井 勇佑(東大) |
| 幹事補佐氏名（英） | Kouta Yamaguchi(CyberAgent) / Yusuke Matsui(Univ. of Tokyo) |
| 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） | 撮影条件が異なるCT画像に対してロバストな病変識別を実現するディープラーニング向け学習データ拡張方式の提案 |
| サブタイトル（和） | |
| タイトル（英） | Data Augmentation to Robust Deep Learning-Based Lesion Classification for CT Image with Different Imaging Conditions |
| サブタイトル（和） | |
| キーワード(1)（和/英） | CT画像 / CT Image |
| キーワード(2)（和/英） | ディープラーニング / Deep Learning |
| キーワード(3)（和/英） | データ拡張 / Data Augmentation |
| キーワード(4)（和/英） | 点拡がり関数 / Point Spread Function |
| 第 1 著者 氏名（和/英） | 宮崎 信浩 / Nobuhiro Miyazaki |
| 第 1 著者 所属（和/英） | 富士通株式会社(略称：富士通) FUJITSU LIMITED(略称：FUJITSU) |
| 第 2 著者 氏名（和/英） | 武部 浩明 / Hiroaki Takebe |
| 第 2 著者 所属（和/英） | 富士通株式会社(略称：富士通) FUJITSU LIMITED(略称：FUJITSU) |
| 第 3 著者 氏名（和/英） | 馬場 孝之 / Takayuki Baba |
| 第 3 著者 所属（和/英） | 富士通株式会社(略称：富士通) FUJITSU LIMITED(略称：FUJITSU) |
| 第 4 著者 氏名（和/英） | 寺田 大晃 / Hiroaki Terada |
| 第 4 著者 所属（和/英） | 広島大学(略称：広島大) Hiroshima University(略称：Hiroshima Univ.) |
| 第 5 著者 氏名（和/英） | 檜垣 徹 / Toru Higaki |
| 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） | 粟井 和夫 / Kazuo Awai |
| 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） | 嶋田 雅彦 / Masahiko Shimada |
| 第 7 著者 所属（和/英） | 富士通Japan株式会社(略称：富士通Japan) Fujitsu Japan Limited(略称：Fujitsu Japan) |
| 発表年月日 | 2021-12-17 |
| 資料番号 | PRMU2021-48 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | PRMU-304 |
| ページ範囲 | pp.130-135(PRMU), |
| ページ数 | 6 |
| 発行日 | 2021-12-09 (PRMU) |