Medical Imaging Technology
Online ISSN : 2185-3193
Print ISSN : 0288-450X
ISSN-L : 0288-450X
検索
詳細検索
OR
閲覧
検索
35 巻, 5 号
選択された号の論文の7件中1～7を表示しています
すべての抄録を表示する
    • |<
    • <
    • 1
    • >
    • >|
JAMIT 2017 大会査読付き論文＜研究論文＞
  • Thick-slice CT画像における経時差分画像のアーチファクト低減手法
    田中 亨, 石川 亮, 中込 啓太, 宮狭 和大, 佐藤 清秀, 八上 全弘, 赤坂 太, 尾上 宏治, 久保 武, 西尾 瑞穂, 江本 豊 ...
    2017 年 35 巻 5 号 p. 257-267
    発行日: 2017年
    公開日: 2017/11/29
    DOIhttps://doi.org/10.11409/mit.35.257
    ジャーナル フリー
    抄録を表示する抄録を非表示にする
    同一患者を異なる時点で撮像した三次元断層画像を変形位置合わせし，その経時差分画像を生成・提示する技術がある．この技術は病変等の経時変化の可視化に有効であり，医師の読影の支援技術として期待されている．しかし，実臨床で広く利用されているスライス厚が厚い画像（thick-slice画像）の経時差分では，たとえ正確な位置合わせが実施されたとしても，単純な差分処理ではパーシャルボリューム効果に起因するアーチファクトにより差分画像の視認性が低下する．本稿では，thick-slice CT画像を対象に，その差分画像に特有のアーチファクトを低減する差分手法を提案する．提案手法は，スライス厚に応じて画像間の離散化位置のずれを考慮した差分処理を行うことで，アーチファクトを低減する．本稿では，人工画像を用いた定量評価実験と，臨床画像を用いた医師の主観評価実験を行い，従来手法と比べた提案手法の有用性を示す．
    抄録全体を表示
    PDF形式でダウンロード (2080K)
JAMIT 2017 大会査読付き論文＜研究速報＞
  • 乳がんを対象とした新しい人工石灰化陰影の作成と実症例を全く用いないCAD開発手法の有効性検証
    安倍 和弥, 武尾 英哉, 永井 優一, 黒木 嘉典, 縄野 繁
    2017 年 35 巻 5 号 p. 268-272
    発行日: 2017年
    公開日: 2017/11/29
    DOIhttps://doi.org/10.11409/mit.35.268
    ジャーナル フリー
    抄録を表示する抄録を非表示にする
    CAD開発における症例画像の不足を補うことを目的に，病変の存在しない画像に腫瘍等の病変を埋め込み，人工的に症例画像を作成する取り組みが行われている．これまで筆者らは，肝腫瘍や乳がん腫瘤影を対象に人工症例画像の作成とCAD開発への適用を行い，その有効性を示してきた．しかし，これまでは50％以上人工症例をCAD開発の学習データとして用いると，未知データに対しての判別性能が本物だけで学習したものに比べて若干劣ってしまう傾向であった．本研究では，人工症例画像のさらなる他部位への応用と人工症例のみでの高性能な判別器開発を目的とし，新たな対象として乳がん石灰化に着目して有効性検証を行った．石灰化は，これまでの肝腫瘍や乳がん腫瘤影とは大きく特徴が異なるため，新たな作成手法を開発した．この手法により作成した人工症例をCAD開発に用いた結果，100％人工症例での学習による判別器において，本物だけで開発した判別器と同性能の検出結果が得られた．
    抄録全体を表示
    PDF形式でダウンロード (933K)
研究論文
  • 染色濃淡自動分類とCNNを用いた腫瘍組織識別技術
    服部 英春, 柿下 容弓
    2017 年 35 巻 5 号 p. 273-280
    発行日: 2017年
    公開日: 2017/11/29
    DOIhttps://doi.org/10.11409/mit.35.273
    ジャーナル フリー
    抄録を表示する抄録を非表示にする
    病理医は，HE（hematoxylin and eosin）染色後の病理画像を顕微鏡下で目視観察し，腫瘍有無を診断する．しかし，施設ごとに染め方が異なるため，染色濃淡のばらつきが発生し，病理診断の質の向上に影響を与えている．また，従来の機械学習技術では，人が設計した特徴量を用いて識別器を作成するため，各組織の腫瘍の識別に有効な特徴量の導出に多くの時間がかかるという問題がある．そこで本研究では，病理画像内の腫瘍有無を自動で識別する手法を提案する．具体的には，主成分分析による軸変換を行って染色濃淡の異なる病理画像を自動分類し，CNN（convolutional neural network）を用いて分類した画像グループごとに識別器を作成し，その識別器を用いて腫瘍有無を判定する．本手法を用いることで，胃管状腺がん病理組織標本のデジタル画像を用いた実験において，腫瘍有無の識別精度の向上に有効であることが示された．
    抄録全体を表示
    PDF形式でダウンロード (1570K)
書評
日本医用画像工学会
編集後記
第35巻総目次
    • |<
    • <
    • 1
    • >
    • >|
feedback
 Top