Medical Imaging Technology
検索
OR
閲覧
検索
35 巻 , 4 号
選択された号の論文の11件中1~11を表示しています
    • |<
    • <
    • 1
    • >
    • >|
特集/医用画像工学分野におけるディープラーニング応用と研究開発
  • 鈴木 賢治
    35 巻 (2017) 4 号 p. 177-179
    公開日: 2017/09/30
    ジャーナル 認証あり
  • 庄野 逸
    35 巻 (2017) 4 号 p. 180-186
    公開日: 2017/09/30
    ジャーナル 認証あり
    本稿では,ディープラーニングの中でも医用画像処理に浸透しつつあるディープコンボリューションネット(deep convolution neural network; DCNN)の基本的な構造と学習様式を解説し,医療応用への一例を述べる.DCNNは,ネットワーク構造にネオコグニトロン,学習手法に誤差逆伝搬(error back propagation; BP)法を適用したニューラルネットワーク手法であり,古典的なネットワーク構造と学習手法で構築されている.DCNNに代表されるディープラーニングにおいて,重要なポイントは,システムの内部表現の重みパラメーター数と学習サンプルの量の兼ね合いである.学習サンプルに対して重みパラメーター数が過多であれば,ニューラルネットは容易に過学習とよばれる現象に陥り,逆に過小であれば,性能が不足することとなる.医療分野などの,計測にコストがかかるような領域では,学習サンプルをいかに確保するかは重要な問題になると考えられる.われわれは,このような少数データセットへの学習方式として転移型の学習様式を用いてDCNNを構築することを提案し,一定の成果を上げることに成功している.
    抄録全体を表示
  • 周 向栄, 藤田 広志
    35 巻 (2017) 4 号 p. 187-193
    公開日: 2017/09/30
    ジャーナル 認証あり
    本稿では,畳み込みニューラルネットワーク(convolutional neural network; ConvNet)に基づく深層学習のアプローチを用いて,CT画像から広範囲・多種類の解剖学的構造を自動的に認識・抽出する研究について紹介する.具体的には,筆者らの研究グループの事例から,CT画像における多臓器・組織の自動認識・抽出問題をConvNetで解決する方法を述べる.そして,中心的に行っている二次元画像に対応する2D ConvNetとその三次元への拡張版について,それぞれの長所と短所を議論し,最新の研究成果を紹介する.最後に,設計者の直感と経験に依存する従来の設計アプローチと比較して,CT画像からの多臓器・組織の自動認識・抽出手順の設計に関する深層学習の性能を考察する.紹介する実験の結果から,ConvNetに基づく深層学習がCT画像における広範囲・多種類の解剖学的構造の自動認識・抽出問題の解決に寄与できることがわかる.
    抄録全体を表示
  • 平野 靖, 伊藤 貴佳, 橋本 典明, 木戸 尚治, 鈴木 賢治
    35 巻 (2017) 4 号 p. 194-199
    公開日: 2017/09/30
    ジャーナル 認証あり
    本稿では,massive-training artificial neural network(MTANN)深層学習(deep learning)の概要と,その応用例を紹介する.MTANN深層学習は,画像を直接学習できるニューラルネットであり,単純X線像やCT像などの局所領域(1辺が十数画素程度のパッチ)を入力し,1つの画素値を出力する.画像全体は,局所領域を入力としたニューラルネットを畳み込み操作することにより得る.学習の際には,教師画像として尤度の分布を与える.すなわち,陽性サンプルに対しては病巣らしさの分布を与え,陰性サンプルに対しては0を与える.例えば,入力画像が肺結節の場合には,肺結節らしさを表す尤度分布のモデルとして,肺結節の中心位置にピークがある正規分布を考え,結節画像の局所領域を入力サンプルとし,その局所領域の中心位置に対応する正規分布の値を教師画素として与える.本稿では,MTANN深層学習の応用例として,CT colonographyにおける大腸表面型腫瘍の検出に対する偽陽性陰影の削減,胸部CT像における肺結節の良悪性鑑別,および胸部CT像におけるびまん性肺疾患の鑑別に応用した結果を示す.
    抄録全体を表示
  • 根本 充貴
    35 巻 (2017) 4 号 p. 200-205
    公開日: 2017/09/30
    ジャーナル 認証あり
    昨今,医用画像処理・コンピューター支援診断の分野でも,ディープラーニングによる画像パターン認識処理を応用した研究が盛んである.本論文では,頭部magnetic resonance angiography(MRA)上の脳動脈瘤検出処理へのディープラーニングの応用例について,著者らの研究成果を紹介する.また,ディープラーニングには多数のハイパーパラメーターが存在し,それらの最適化は非常にコストの高い作業であることが知られている.本論文では,頭部MRA上の脳動脈瘤検出処理を例題としたディープラーニングのハイパーパラメーター最適化に関する実験的検討についても,あわせて紹介する.
    抄録全体を表示
  • 諸岡 健一, 小林 薫樹
    35 巻 (2017) 4 号 p. 206-211
    公開日: 2017/09/30
    ジャーナル 認証あり
    手術手技訓練シミュレーターや手術ナビゲーションなどの手術支援システムの開発には,臓器の三次元形状モデルによる臓器変形の推定が必要不可欠である.臓器変形の推定には有限要素解析がしばしば用いられるが,これには膨大な計算量を必要とするため,臓器変形の効率的な推定には向いていない.この問題を解決するため,著者らは,有限要素解析による三次元臓器変形推定を深層なニューラルネットで効率的に代替する方法の研究を行っている.本稿では,有限要素解析を模した深層なニューラルネットによる臓器変形の実時間推定の研究例を示しつつ,ディープラーニング手術支援システムへの応用可能性について述べる.
    抄録全体を表示
サーベイ論文
  • 鈴木 賢治
    35 巻 (2017) 4 号 p. 212-226
    公開日: 2017/09/30
    ジャーナル 認証あり
    最近,深層学習とよばれる機械学習が革新的な技術として世界的な話題となり,学会,産業界,そして世間を騒がせている.これは,2012年の著名なコンピュータービジョンのコンテストにおいて,深層学習が他の手法に圧勝したことから始まった.本論文では,深層学習に関する研究をサーベイし,深層学習出現前と後で,何が本質的に変わったかを調査した.それによると,最大の違いは「分割された対象物の特徴を学ぶ機械」から「画像を直接学ぶ機械」への変化であることが明らかとなった.深層学習の層の深さは,なおも大変重要な属性である.さらに,深層学習という用語が作られる前と後に行われた,画像を直接学習する機械学習(“深層学習”)の医用画像認識・解析への応用研究を調査し,“深層学習”がこれまでにどのような課題や問題に応用されたかを紹介した.“深層学習”は,医用画像工学分野のみならず,今後さまざまな技術領域を飛躍的に進歩させ,さまざまな分野で革命を起こすと期待される.
    抄録全体を表示
    Editor’s picks

    現在、科学・産業・経済の各分野で耳目を集める深層学習。本記事は、ニューラルネットワークから深層学習にいたるまでの研究の経緯を概観し、深層学習の原理および医用画像工学への応用について網羅的にサーベイしています。ぜひ、ご一読を。

研究論文
  • 山崎 優大, 高橋 栄一, 岩田 昌也, 野里 博和, 何森 亜由美, 岩瀬 拓士, 國分 優美, 坂無 英徳
    35 巻 (2017) 4 号 p. 227-238
    公開日: 2017/09/30
    ジャーナル 認証あり
    乳房超音波検査における腫瘤の発見率向上のため,腫瘤の自動検出手法が開発されている.従来手法では収集した腫瘤データに基づいて検出対象を定義し自動検出を行うが,腫瘤は正常な組織と比較してサンプル数が少なく,形状や明るさは多様で,定義が困難である.そのため,正常組織をモデル化し,その正常モデルと合致しない領域を異常(腫瘤)として検出する手法が有効である.しかし,乳腺以外の脂肪や筋肉の影響で正常モデルが複雑化し,腫瘤の検出精度が低下する.そこで本稿では,乳房超音波画像において乳腺組織にのみ着目した腫瘤検出手法を提案する.乳房超音波画像の各領域から,乳腺組織のもっともらしさを表す乳腺尤度と正常モデルからの逸脱を表す異常度を算出し,乳腺尤度と異常度が共に高い領域を腫瘤として検出する.実験では,腫瘤ありの乳房超音波画像に提案手法を適用し,乳腺尤度を用いない従来手法と比較して腫瘤検出精度が向上することを確認した.
    抄録全体を表示
  • 原田 義富, 野村 達八, 三宅 秀敏
    35 巻 (2017) 4 号 p. 239-249
    公開日: 2017/09/30
    ジャーナル 認証あり
    肺がん検出のエラーとして大きく認知エラー,判断エラーがあるが,まずは,候補結節に読影医の目を向けさせ,認知エラーをいかに減らせるかが重要である.そのおもな要因として,既存構造の骨や血管影がある.将来,肺結節の自動抽出を考えた場合,偽陽性となりやすい肺門部肺血管の処理は重要となる.そこで,本論文では,1枚の胸部X線画像から,二次元ヒストグラムを用いて,偽陽性となりやすい肺門部肺血管やその正接像などの陰影を抑制し,血管や骨に重なる肺結節を相対的に明瞭化する新しい手法を提案する.JSRTデータベースの腫瘤画像154例のうち「容易」と「極めて困難」を除く117例に対し,提案画像の画質を画像診断専門医と医療系学生の2 名が評価した結果,少なくとも76%の画像に対し高評価が与えられ,血管影を抑制することで,真の肺結節を指摘しやすい画像が作成できた.また,原画像のみと提案画像との併用を比較した結果,提案手法は肺結節の存在診断として十分機能し得るとみなせた.
    抄録全体を表示
講座
  • 川浦 稚代
    35 巻 (2017) 4 号 p. 250-254
    公開日: 2017/09/30
    ジャーナル 認証あり
    X線CT(computed tomography)検査は,身体の任意の横断面を短時間に高精細な画像として取得できることから,さまざまな病気の診断に汎用されている.その一方で,他の放射線画像診断検査よりも比較的高い放射線量を被ばくすることが知られており,最新の疫学調査では,幼少期に複数回のCT検査を受けた小児患者で発がん率の増加が認められている.かといって,CT検査によるリスクが低減できないわけではない.患者に便益をもたらす画質と不利益の要因である放射線量の関係を正しく理解さえすれば,患者の利益を損なわない程度に,無用な被ばくを避け,リスクを低減することは充分可能である.これを実現するにはまず,CT検査において患者がどれだけの線量を被ばくしているのかを正確に把握することが必要である.本稿では,日本のCT検査における線量レベルと防護の最適化への試みを紹介する.
    抄録全体を表示
編集後記
    • |<
    • <
    • 1
    • >
    • >|
feedback
Top