講演名 | 2022-12-16 重症度が連続的に変化する医用生成画像を用いたデータ拡張法 竹崎 隼平(九大), 田中 聖人(京都第二赤十字病院), 内田 誠一(九大), 門田 健明(九大), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | 深層学習による医用画像の重症度推定は,重症度レベルが付与された大量の画像データセットが必要である.条件付き敵対的生成ネットワーク(cGAN)に基づくデータ拡張(DA)はデータ数の増加方法として期待されているが,回帰による重症度推定において,二つの問題点が存在する.第一は既存のcGANは離散的な重症度レベルを学習の条件とするため,重症度が本来連続的であることを前提として画像生成ができないことである.第二は離散値の条件より得られた生成画像の重症度が十分に信頼できないことである.我々はこの2つの問題に対する解決策として, continuous DA を提案する.本手法は,実数値の重症度レベルの画像を生成する continuous severity GAN と,生成画像の連続性を学習する dataset-disjoint multi-objective optimization から構成される.本手法を潰瘍性大腸炎の重症度推定に用いて評価したところ,従来のDA法に比べて高い分類性能を達成した. |
抄録(英) | Disease severity regression by a convolutional neural network (CNN) for medical images requires a sufficient number of image samples labeled with severity levels. Conditional generative adversarial network (cGAN)-based data augmentation (DA) is a possible solution, but it encounters two issues. The first issue is that existing cGANs cannot deal with real-valued severity levels as their conditions, and the second is that the severity of the generated images is not fully reliable. We propose continuous DA as a solution to the two issues. Our method uses continuous severity GAN to generate images at real-valued severity levels and dataset-disjoint multi-objective optimization to deal with the second issue. Our method was evaluated for estimating ulcerative colitis (UC) severity of endoscopic images and achieved higher classification performance than conventional DA methods. |
キーワード(和) | データ拡張 / 敵対的生成ネットワーク / 内視鏡画像 |
キーワード(英) | data augmentation / generative adversarial network / endoscopic images |
資料番号 | PRMU2022-50 |
発行日 | 2022-12-08 (PRMU) |
研究会情報 | |
研究会 | PRMU |
---|---|
開催期間 | 2022/12/15(から2日開催) |
開催地(和) | 富山国際会議場 |
開催地(英) | Toyama International Conference Center |
テーマ(和) | 制御のためのCV |
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) | 舩冨 卓哉(奈良先端大) / 安倍 満(デンソーアイティーラボラトリ) |
副委員長氏名(英) | Takuya Funatomi(NAIST) / Mitsuru Anpai(Denso IT Lab.) |
幹事氏名(和) | 山口 光太(サイバーエージェント) / 松井 勇佑(東大) |
幹事氏名(英) | Kouta Yamaguchi(CyberAgent) / Yusuke Matsui(Univ. of Tokyo) |
幹事補佐氏名(和) | 井上 中順(東工大) / 川西 康友(理研) |
幹事補佐氏名(英) | Nakamasa Inoue(Tokyo Inst. of Tech.) / Yasutomo Kawanishi(Riken) |
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) | 重症度が連続的に変化する医用生成画像を用いたデータ拡張法 |
サブタイトル(和) | |
タイトル(英) | Data Augmentation |
サブタイトル(和) | |
キーワード(1)(和/英) | データ拡張 / data augmentation |
キーワード(2)(和/英) | 敵対的生成ネットワーク / generative adversarial network |
キーワード(3)(和/英) | 内視鏡画像 / endoscopic images |
第 1 著者 氏名(和/英) | 竹崎 隼平 / Shumpei Takezaki |
第 1 著者 所属(和/英) | 九州大学(略称:九大) Kyushu University(略称:Kyushu Univ.) |
第 2 著者 氏名(和/英) | 田中 聖人 / Kiyohito Tanaka |
第 2 著者 所属(和/英) | 京都第二赤十字病院(略称:京都第二赤十字病院) Kyoto Second Red Cross Hospital(略称:Kyoto Second Red Cross Hospital) |
第 3 著者 氏名(和/英) | 内田 誠一 / Seiichi Uchida |
第 3 著者 所属(和/英) | 九州大学(略称:九大) Kyushu University(略称:Kyushu Univ.) |
第 4 著者 氏名(和/英) | 門田 健明 / Takeaki Kadota |
第 4 著者 所属(和/英) | 九州大学(略称:九大) Kyushu University(略称:Kyushu Univ.) |
発表年月日 | 2022-12-16 |
資料番号 | PRMU2022-50 |
巻番号(vol) | vol.122 |
号番号(no) | PRMU-314 |
ページ範囲 | pp.95-99(PRMU), |
ページ数 | 5 |
発行日 | 2022-12-08 (PRMU) |