機械学習を用いた内視鏡画像自動診断

DOI
  • Mori Kensaku
    Graduate School of Informatics, Nagoya University
  • Oda Masahiro
    Graduate School of Informatics, Nagoya University
  • Misawa Masashi
    Digestive Disease Center, Showa University Northern Yokohama Hospital
  • Mori Yuichi
    Digestive Disease Center, Showa University Northern Yokohama Hospital
  • Kudo Shinei
    Digestive Disease Center, Showa University Northern Yokohama Hospital

書誌事項

タイトル別名
  • Automated endoscopic image analysis based on machine learning

抄録

<p>本講演では、機械学習を利用した内視鏡画像の自動診断手法について紹介する。特に、超拡大内視鏡画像を用いた大腸ポリープの類型判別の自動診断手法を例に挙げながら、内視鏡画像診断における機械学習の有用性について議論したい。パーセプトロン、統計的パターン認識に始まる機械学習は長年研究が行われてきたが、GPGPUなどに代表される手軽なハイパフォーマンスコンピューティング技術の発展により、非常に複雑なアーキテクチャを持つニューラルネットワークを用いたパターン認識などが可能となった。一方、内視鏡画像の診断には高度な技術が必要とされ、医師間の差による診断のブレも発生する。そこで、機械学習を用いた内視鏡画像の自動診断方法について２，３紹介する。一つ目の方法は、Hand-crafted特徴量（微分特徴量）などを求め、その特徴量により大腸ポリープの組織型をSVM (Support Vector Machine)による自動分類するものである。二つ目の方法は、CNN (Convolutional Neural Network)を用いて内視鏡画像の自動分類を行うものである。これらの手法について、技術的な側面に焦点をあて解説を行う。機械学習において重要な学習データ生成法についても合わせて議論したい。</p>

収録刊行物

  • 生体医工学

    生体医工学 55Annual (4PM-Abstract), 344-344, 2017

    公益社団法人 日本生体医工学会

詳細情報 詳細情報について

  • CRID
    1390282680246704384
  • NII論文ID
    130006077123
  • DOI
    10.11239/jsmbe.55annual.344
  • 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

問題の指摘

ページトップへ