2021 Fiscal Year Research-status Report
MRI画像におけるボクセルデータから点群データへの表現学習
| Project/Area Number |
21K17810
|
|---|
| Research Institution | Kochi University of Technology |
|---|
Principal Investigator |
四宮 友貴 高知工科大学, 情報学群, 助教 (90843251)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 畳み込みニューラルネットワーク / MRI構造画像 / 敵対的生成ネットワーク |
|---|
| Outline of Annual Research Achievements |
2021年度は，本課題の着想を得た敵対的生成ネットワークについて，医用画像データセット（MRI構造画像，胸部X線画像）における畳み込みニューラルネットワーク（CNN） のモデル検証と推定根拠の解析方法に関する検討を行った．アルゴリズム内部のネットワークモデルとして，現在広く用いられているResidual Network（ResNet）を用い，医用データセットにおいて良好な結果を得た．この成果は，国際ワークショップ IWACIII2021（The 7th International Workshop on Advanced Computational Intelligence and Intelligent Informatics）にて発表している．また，検討項目の一つであった，空間情報を維持した畳み込み演算の有効性を確認することが出来ており，本課題の目的である，学習を通したデータ表現形式の自動獲得に向けた，ボクセルデータから点群データへ変換する際の空間情報を扱うための重要な知見を得ている．加えて，2000程のMRI構造画像から構成されている大規模データセットの利用申請が通ったため，このデータセットを用いたモデル構造の検証についても行っている．今後は，モデル構造についての検討結果と，上記の空間情報の維持に関する知見を踏まえた上で，ボクセルデータから点群データへの効率的な表現学習アルゴリズムを構築できると考えている．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初予定していた約600のMRI構造画像から構成されるIXIデータセットに加えて，より大規模なデータセットにおけるCNNモデルの評価・検証が行えている．モデル構造の知見の一部については国際ワークショップにて発表しており，本課題の目的であるデータ表現学習へ反映・開発を継続している．以上のことから，研究はおおむね順調に進展していると判断している．
|
| Strategy for Future Research Activity |
今後の研究では，2021年度に行った大規模データセットにおけるCNNモデルの検証結果をまとめ次第発表し，併せて点群データ表現の検討を行っていく．さらに，本課題で目的とする点群表現は，2020年10月に発表されたVision Transformerモデルとの関連性が高いため，本課題への応用可能性について検討する．
|
| Causes of Carryover |
2021年度の使用額についてはおおむね計画通りであったが，国際会議がオンライン開催されたため旅費執行が無く，次年度使用額が生じた．
次年度使用額は当初の計画通り執行予定である．
|
Research Products
(1 results)
