医用画像の機械学習
書誌事項
- タイトル別名
-
- Machine Learning of Medical Images
説明
<p>医用画像におけるコンピュータ支援診断システム(CAD)の構築に機械学習を応用する研究が活発に行われている。特に近年、深層学習が画像認識や音声認識の分野で高い認識精度を示したことにより、CADへの応用も急速に進んでいる。しかし、深層学習を含む機械学習の多くは教師あり学習であり、大量の正解ラベルつき訓練データを必要とする。深層学習では数万以上の訓練データを必要とするケースもあり、大量の画像に医師が正常または異常の種類のラベルを付与する作業が必要となるため、大変な労力がかかる問題がある。本研究では、肺CT画像を対象としたびまん性肺疾患の陰影分類を目的とし、正解ラベルを必要としない「教師なし分類アルゴリズム」、および少数の正解ラベルつき訓練データを効率的に学習に利用する「半教師あり分類アルゴリズム」の紹介を行う。教師なし分類アルゴリズムは、深層自己符号化器とBag-of-features法による特徴抽出とK-means法によるクラスタリングを組合せた手法である.半教師あり分類アルゴリズムは、特徴抽出法は上記と同様であるが、自己学習と能動学習と呼ばれる方式をサポートベクターマシン(SVM)に導入し、少数の訓練データを効率的に学習に利用する手法である。性能評価実験では、正常と異常を含む6種類の陰影クラスに分類し、その結果の分析を行っている.</p>
収録刊行物
-
- 生体医工学
-
生体医工学 Annual56 (Abstract), S220-2-S220-2, 2018
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
- 1390845713000194176
-
- NII論文ID
- 130007483708
-
- 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