| 講演名 | 2019-01-22 マルチモーダル画像を用いた深層学習ベースの頭部解剖構造抽出 杉野 貴明(名大), Holger R. Roth(名大), 小田 昌宏(名大), 金 太一(東大), 森 健策(名大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，実践的な脳外科手術シミュレーションのための精巧な頭部解剖構造モデルデータのデータベース化を図るため，患者頭部のマルチモーダル画像に基づく，Fully convolutional network (FCN)ベースの頭部解剖構造抽出手法について提案する．特に本研究では，学習データ作成の困難を緩和するため，マルチクラスのセグメンテーションに有効なマルチスケールの画像特徴を獲得するために設計されたFCNを活用し，少量データ学習から高精度な頭部解剖構造抽出を達成する手法の構築を目的としている．脳動脈瘤患者5名のマルチモーダル画像を基に，少量データ学習からの提案手法の頭部解剖構造抽出精度を検証した．検証実験の結果より，微小組織の抽出精度に関しては改善の余地が残されているものの，提案手法を用いることで，学習画像データセットの全画像枚数の10 %のみを用いた少量データ学習からでも，平均80 %を超える抽出精度が達成された． |
| 抄録(英) | This paper proposes a fully convolutional network-based method for segmenting head anatomical structures from multi-modal images to construct a database of elaborate head anatomical models for practical neurosurgery simulation. In this study, to ease difficulties in creating annotated data for FCN training, we aim to construct a method to achieve accurate segmentation of head anatomical structures, using FCN designed to obtain multi-scale image features effective for multi-class segmentation, from less training data. On the bases of multi-modal images of 5 brain aneurysm cases, we validated the performance of the proposed method about segmentation of head anatomical structures from training on sparse annotation data. From the validation results, we found that the proposed method could achieve the segmentation accuracy of more than 80 % even from training on 10 % of all images for network training. |
| キーワード(和) | セグメンテーション / 深層学習 / 頭部解剖構造 / スパースアノテーション |
| キーワード(英) | Segmentation / deep learning / head anatomical structures / sparse annotation |
| 資料番号 | MI2018-77 |
| 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） | マルチモーダル画像を用いた深層学習ベースの頭部解剖構造抽出 |
| サブタイトル（和） | 少量画像データ学習における抽出精度検証 |
| タイトル（英） | Deep learning-based segmentation of head anatomical structures using multi-modal images |
| サブタイトル（和） | Segmentation accuracy validation for training on a small amount of image data |
| キーワード(1)（和/英） | セグメンテーション / Segmentation |
| キーワード(2)（和/英） | 深層学習 / deep learning |
| キーワード(3)（和/英） | 頭部解剖構造 / head anatomical structures |
| キーワード(4)（和/英） | スパースアノテーション / sparse annotation |
| 第 1 著者 氏名（和/英） | 杉野 貴明 / Takaaki Sugino |
| 第 1 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 2 著者 氏名（和/英） | Holger R. Roth / Holger R. Roth |
| 第 2 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 3 著者 氏名（和/英） | 小田 昌宏 / Masahiro Oda |
| 第 3 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 4 著者 氏名（和/英） | 金 太一 / Taichi kin |
| 第 4 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Univ. of Tokyo) |
| 第 5 著者 氏名（和/英） | 森 健策 / Kensaku Mori |
| 第 5 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 発表年月日 | 2019-01-22 |
| 資料番号 | MI2018-77 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | MI-412 |
| ページ範囲 | pp.65-70(MI), |
| ページ数 | 6 |
| 発行日 | 2019-01-15 (MI) |