| 研究課題/領域番号 |
20K21821
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
|---|
| 研究分担者 |
岩本 祐太郎 立命館大学, 情報理工学部, 助教 (30779054)
|
|---|
| 研究期間 (年度) |
2020-07-30 – 2023-03-31
|
| キーワード | 深層学習 / 三次元畳み込みニュートラルネットワーク / 軽量化 / 肝臓セグメンテーション / 肝臓腫瘍検出 |
|---|
| 研究実績の概要 |
現在医用ボリューム画像用三次元深層学習ネットワークの開発とその軽量化手法に関する開発と、医用画像の画質改善、肝臓セグメンテーションおよび肝臓腫瘍検出に関する応用研究を行っている。以下の成果が得られている。
(1)三次元肝臓セグメンテーションするための軽量化深層学習ネットワーク（Lightweight 3D U-Net）を開発した。また、その軽量化モデルを開発した。その成果を2020年10月に開催された国際学会IEEE GCCE2020で発表した。
(2)三次元医用画像の画質を改善するための深層学習ネットワークを開発した。その軽量化モデルも開発した。その成果を2020年6月に開催された国際学会InMed2020で発表した。
(3)Attention Mask-RCNN法を提案し、肝臓の腫瘍検出とセグメンテーションに適用し、その有効性を検証した。その成果は2021年1月に開催された国際学会IEEE ICCE２０２１および2020年9月に開催された電子情報通信学会医用画像研究会にて発表した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
上記の実績に記述したように、当初計画していたベースラインとなる医用ボリューム画像用三次元深層学習ネットワークの開発とその軽量化手法を開発し、医用画像の画質改善、肝臓セグメンテーションおよび肝臓腫瘍検出に適用した結果、その有効性を確認することができた。今後、これらの手法の高精度化を進めていく。
|
| 今後の研究の推進方策 |
(1)3D U-Netを改良し、高精度な３次元セグメンテーションを実現できる深層学習ネットワークを開発する。
(2)三次元医用画像の画質を改善する手法の高精度化を行う。その有効性を様々なボリュームデータに適用し、検証する。
(3)高精度を維持しながら、三次元深層学習ネットワークを軽量化できる手法を新たに開発する。
(4)本年度提案した Attention Mask-RCNNを三次元に拡張し、CTボリューム画像における三次元腫瘍検出とセグメンテーションを行う。さらに、その軽量化を行う。
|
| 次年度使用額が生じた理由 |
2020年度は、コロナ禍のため、予定していた研究出張（出張旅費）や学生による医用画像データベース構築（謝金）などを取りやめたので、２０２１年度に繰り越して実施する予定である。具体的に、国際学会MICCAI2021(フランス)、ICIP2021（アメリカ）などに出張する予定である。学生には、医用ボリューム画像の収集とデータベース構築を行っていく。
|
