機械学習のためのアノテーションツールにおける領域抽出の検討
説明
<p>眼科領域では米国食品医薬品局（FDA）から初の人工知能（AI）を用いた診断装置の認可もおりるなど，機械学習の医療分野への応用が活発化している．放射線画像診断領域においてもAI診断の流れは加速すると考えられる．一方で医師の診断アルゴリズムを学習させるためには良質で大量の教師データが必要である．例えば放射線画像中におけるがん領域を診断するAIを学習させる場合には，癌領域をピクセル単位で指示した大量の画像が必要となる．しかしこのアノテーション作業は多忙な医師にとって大きな負担となる．AI診断を加速させるためには，精度の高いピクセル領域でのアノテーションを短時間で行えるような医療画像に特化したアノテーションツールの開発が不可欠である．そこで本研究では，医師が指示したポイントの画像特徴に近い領域を自然に抽出する機能を検討した．この機能を実現するための方法として，教師付きニューラルネットワークの一つである画像セグメンテーションネットワークを用いた方法を検討した．CT画像に学習済みのネットワークを適用することにより，同一スライス画像内およびその前後のスライス画像内の類似した領域を抽出できた．</p>
収録刊行物
-
- 生体医工学
-
生体医工学 Annual57 (Abstract), S250_2-S250_2, 2019
公益社団法人 日本生体医工学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390002184859002496
-
- NII論文ID
- 130007776693
-
- ISSN
- 18814379
- 1347443X
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
- CiNii Articles
-
- 抄録ライセンスフラグ
- 使用不可
