| 講演名 | 2016-05-19 Deep CNNに基づくCT画像からの乳腺濃度の自動分類法 加納 拓弥(岐阜大), 周 向栄(岐阜大), 子安 裕美(岐阜大), 横山 龍二郎(岐阜大), 原 武史(岐阜大), 松尾 政之(岐阜大), 藤田 広志(岐阜大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 乳腺濃度は乳がんのリスク評価に用いられる重要な指標である．これまでに乳腺の濃度分類には主に2次元マンモグラフィが利用されているが，3次元CT画像における乳腺濃度の測定と分類も期待される．本研究では，肺がん検診などで撮影される単純CT画像から乳腺濃度を自動的に分類する手法を提案し，他の目的で撮影されたCT画像を乳がんのリスク評価に活用する計算機支援診断システムを開発する．提案手法は乳腺周辺の解剖学的構造の認識に依存せず，CT画像から直接的に乳腺濃度のカテゴリー分類を行う処理方式である．これには，畳み込みニューラルネットワーク（CNN）を中心的な構造とし，任意のCT画像にCNNによって乳腺密度のカテゴリー番号に結びつくように，ネットワックパラメータを学習させる．全体の処理流れは，まず，入力CT画像から左右乳房領域（乳房を囲んでいる最小な3次元ボックス）をそれぞれ自動的に検出する．そして，3次元である左右乳房領域から大量な2次元断面画像（標本）を生成し，それぞれの標本に対してCNNによる乳腺濃度のカテゴリー分類を行う．全部の標本の分類結果を統計的に纏めた結果を最終的に出力する．実験では40例のCT画像（30歳から60歳までの女性症例）を使用した．Holdout法を用いた乳腺濃度の分類結果から，20症例のうち16症例の分類に成功したことを確認した．これにより，CT画像における乳腺濃度の自動分類の可能性が示された． |
| 抄録(英) | Breast density has been used as an important risk factor of breast cancer and routinely measured on 2D mammography. 3D CT images have been also expected as another image modality for breast density measurements. This research work proposed a novel method to classify a CT case directly into four categories of breast density by using an end-to-end mapping without any dependence on image segmentations. The deep convolutional neural network (CNN) was used as a core part for the classification and was trained on parameters by minimizing the classification errors to the human decisions. The processing flow of the proposed method can be described as localizing left and right breast regions on CT image firstly, and then, sampling a large number of 2D sections from the 3D breast regions for breast density classification based on the deep CNN, and making a final decision based on statistic of classification results of 2D sections. 40 CT cases from 30 to 60 years old women were used in the experiment. We used holdout validation to train and test the performance of the breast density classification, and confirmed that the breast density of 16 CT cases were classified correctly from total 20 test CT cases. In conclusion, the potential possibility of breast density classification on CT images was demonstrated. |
| キーワード(和) | 3次元CT画像 / 乳房領域の検出 / 乳腺密度の分類 / 畳み込みニューラルネットワーク / 深層学習 |
| キーワード(英) | 3D CT images / breast region localization / breast density classification / convolutional neural network / deep learning |
| 資料番号 | SIP2016-5,IE2016-5,PRMU2016-5,MI2016-5 |
| 発行日 | 2016-05-12 (SIP, IE, PRMU, MI) |
| 研究会情報 | |
| 研究会 | PRMU / IE / MI / SIP |
|---|---|
| 開催期間 | 2016/5/19(から2日開催) |
| 開催地（和） | 名古屋大学 |
| 開催地（英） | |
| テーマ（和） | ヘルスケア・診断・治療のための信号・画像解析 |
| テーマ（英） | |
| 委員長氏名（和） | 前田 英作(NTT) / 高村 誠之(NTT) / 増谷 佳孝(広島市大) / 宝珠山 治(NEC) |
| 委員長氏名（英） | Eisaku Maeda(NTT) / Seishi Takamura(NTT) / Yoshitaka Masutani(Hiroshima City Univ.) / Osamu Houshuyama(NEC) |
| 副委員長氏名（和） | 仙田 修司(NEC) / 内田 誠一(九大) / 浜本 隆之(東京理科大) / 市ヶ谷 敦郎(NHK) / 河田 佳樹(徳島大) / 木村 裕一(近畿大) / 中静 真(千葉工大) / 奥田 正浩(北九州市大) |
| 副委員長氏名（英） | Shuji Senda(NEC) / Seiichi Uchida(Kyushu Univ.) / Takayuki Hamamoto(Tokyo Univ. of Science) / Atsuro Ichigaya(NHK) / Yoshiki Kawata(Tokushima Univ.) / Yuichi Kimura(Kinki Univ.) / Makoto Nakashizuka(Chiba Inst. of Tech.) / Masahiro Okuda(Univ. of Kitakyushu) |
| 幹事氏名（和） | 大山 航(三重大) / 安倍 満(デンソーアイティーラボラトリ) / 坂東 幸浩(NTT) / 宮田 高道(千葉工大) / 北坂 孝幸(愛知工大) / 本谷 秀堅(名工大) / 辻川 剛範(NEC) / 平林 晃(立命館大) |
| 幹事氏名（英） | Wataru Ohyama(Mie Univ.) / Mitsuru Anbai(DENSO IT Lab.) / Yukihiro Bandoh(NTT) / Takamichi Miyata(Chiba Inst. of Tech.) / Takayuki Kitasaka(Aichi Inst. of Tech.) / Hidetaka Hontani(Nagoya Inst. of Tech.) / Masanori Tsujikawa(NEC) / Akira Hirabayashi(Ritsumeikan Univ.) |
| 幹事補佐氏名（和） | 近藤 一晃(京大) / 木村 昭悟(NTT) / 高橋 桂太(名大) / 河村 圭(KDDI研) / 原口 亮(国立循環器病研究センター) / 平野 靖(山口大) / 宮田 高道(千葉工大) |
| 幹事補佐氏名（英） | Kazuaki Kondo(Kyoto Univ.) / Akisato Kimura(NTT) / Keita Takahashi(Nagoya Univ.) / Kei Kawamura(KDDI R&D Labs.) / Ryo Haraguchi(NCVC) / Yasushi Hirano(Yamaguchi Univ.) / Takamichi Miyata(Chiba Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Technical Committee on Image Engineering / Technical Committee on Medical Imaging / Technical Committee on Signal Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Deep CNNに基づくCT画像からの乳腺濃度の自動分類法 |
| サブタイトル（和） | |
| タイトル（英） | Automatic classification of breast density on CT images by using deep CNN |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 3次元CT画像 / 3D CT images |
| キーワード(2)（和/英） | 乳房領域の検出 / breast region localization |
| キーワード(3)（和/英） | 乳腺密度の分類 / breast density classification |
| キーワード(4)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(5)（和/英） | 深層学習 / deep learning |
| 第 1 著者 氏名（和/英） | 加納 拓弥 / Takuya Kano |
| 第 1 著者 所属（和/英） | 岐阜大学(略称：岐阜大) Gifu University(略称：Gifu Univ.) |
| 第 2 著者 氏名（和/英） | 周 向栄 / Xiangrong Zhou |
| 第 2 著者 所属（和/英） | 岐阜大学(略称：岐阜大) Gifu University(略称：Gifu Univ.) |
| 第 3 著者 氏名（和/英） | 子安 裕美 / Hiromi Koyasu |
| 第 3 著者 所属（和/英） | 岐阜大学附属病院(略称：岐阜大) Gifu University Hospital(略称：Gifu Univ. Hosp.) |
| 第 4 著者 氏名（和/英） | 横山 龍二郎 / Ryuziro Yokoyama |
| 第 4 著者 所属（和/英） | 岐阜大学(略称：岐阜大) Gifu University(略称：Gifu Univ.) |
| 第 5 著者 氏名（和/英） | 原 武史 / Takeshi Hara |
| 第 5 著者 所属（和/英） | 岐阜大学(略称：岐阜大) Gifu University(略称：Gifu Univ.) |
| 第 6 著者 氏名（和/英） | 松尾 政之 / Masayuki Matsuo |
| 第 6 著者 所属（和/英） | 岐阜大学附属病院(略称：岐阜大) Gifu University Hospital(略称：Gifu Univ. Hosp.) |
| 第 7 著者 氏名（和/英） | 藤田 広志 / Hiroshi Fujita |
| 第 7 著者 所属（和/英） | 岐阜大学(略称：岐阜大) Gifu University(略称：Gifu Univ.) |
| 発表年月日 | 2016-05-19 |
| 資料番号 | SIP2016-5,IE2016-5,PRMU2016-5,MI2016-5 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | SIP-36,IE-37,PRMU-38,MI-39 |
| ページ範囲 | pp.21-25(SIP), pp.21-25(IE), pp.21-25(PRMU), pp.21-25(MI), |
| ページ数 | 5 |
| 発行日 | 2016-05-12 (SIP, IE, PRMU, MI) |