| 講演名 | 2019-01-22 DeconvNetとV-Netを用いた3次元CT画像中の肺結節領域抽出 木寺 俊介(山口大), 木戸 尚治(山口大), 平野 靖(山口大), 田中 伸幸(山口県済生会山口総合病院), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 肺結節の正確な領域抽出は，テクスチャ解析などを行う際において，非常に重要となる．しかしながら，近年CT画像のスライス枚数は増加傾向にあるため，人手による領域抽出では，非常に多くの時間を必要する．そこで本研究では，Deep Leaningの領域抽出モデルであるDeconvNetとV-Netを用いて，3次元CT画像中の肺結節の領域抽出を行った．実験ではCross EntropyとDice Lossの2種類のLoss関数を用いて学習を行った．その中での最も良い結果として，V-NetとDice Loss関数を用いた実験において，Dice係数で0.810±0.014を得た． |
| 抄録(英) | Semantic segmentation of lung nodules is important for texture analysis． However， manual segmentation needs a lot of time because the number of slices in CT images are huge． In this study， we segmented lung nodules on 3D CT images by use of DeconvNet and V-Net． In our experiment， we compared the performance of two loss functions named Cross Entropy and Dice Loss． The best performance in our study was 0.810±0.014 of dice index by using V-Net and Dice Loss． |
| キーワード(和) | 肺結節 / Deep Learning / 領域抽出 / 3次元CT画像 |
| キーワード(英) | lung nodule / Deep learning / Segmentation / 3D CT images |
| 資料番号 | MI2018-85 |
| 発行日 | 2019-01-15 (MI) |
| 研究会情報 | |
| 研究会 | MI |
|---|---|
| 開催期間 | 2019/1/22(から2日開催) |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | |
| 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） | 森 健策(名大) |
| 委員長氏名（英） | Kensaku Mori(Nagoya Univ.) |
| 副委員長氏名（和） | 河田 佳樹(徳島大) / 木村 裕一(近畿大) |
| 副委員長氏名（英） | Yoshiki Kawata(Tokushima Univ.) / Yuichi Kimura(Kinki Univ.) |
| 幹事氏名（和） | 北坂 孝幸(愛知工大) / 本谷 秀堅(名工大) |
| 幹事氏名（英） | Takayuki Kitasaka(Aichi Inst. of Tech.) / Hidekata Hontani(Nagoya Inst. of Tech.) |
| 幹事補佐氏名（和） | 原口 亮(兵庫県立大) / 平野 靖(山口大) |
| 幹事補佐氏名（英） | Ryo Haraguchi(Univ. of Hyogo) / Yasushi Hirano(Yamaguchi Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Medical Imaging |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | DeconvNetとV-Netを用いた3次元CT画像中の肺結節領域抽出 |
| サブタイトル（和） | |
| タイトル（英） | Segmentation of lung nodules on 3D CT images by using DeconvNet and V-Net |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 肺結節 / lung nodule |
| キーワード(2)（和/英） | Deep Learning / Deep learning |
| キーワード(3)（和/英） | 領域抽出 / Segmentation |
| キーワード(4)（和/英） | 3次元CT画像 / 3D CT images |
| 第 1 著者 氏名（和/英） | 木寺 俊介 / Shunsuke Kidera |
| 第 1 著者 所属（和/英） | 山口大学(略称：山口大) Yamaguchi University(略称：Yamaguchi Univ.) |
| 第 2 著者 氏名（和/英） | 木戸 尚治 / Shoji Kido |
| 第 2 著者 所属（和/英） | 山口大学(略称：山口大) Yamaguchi University(略称：Yamaguchi Univ.) |
| 第 3 著者 氏名（和/英） | 平野 靖 / Yasushi Hirano |
| 第 3 著者 所属（和/英） | 山口大学(略称：山口大) Yamaguchi University(略称：Yamaguchi Univ.) |
| 第 4 著者 氏名（和/英） | 田中 伸幸 / Nobuyuki Tanaka |
| 第 4 著者 所属（和/英） | 山口県済生会山口総合病院(略称：山口県済生会山口総合病院) Saiseikai Yamaguchi General Hospital(略称：Saiseikai Hosp) |
| 発表年月日 | 2019-01-22 |
| 資料番号 | MI2018-85 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | MI-412 |
| ページ範囲 | pp.103-106(MI), |
| ページ数 | 4 |
| 発行日 | 2019-01-15 (MI) |