2004 Fiscal Year Annual Research Report
GMDH手法によるマルチスライスCTの気管支・肺血管情報に基づく肺区域の画像認識
| Project/Area Number |
15560349
|
|---|
| Research Institution | The University of Tokushima |
|---|
Principal Investigator |
上野 淳二 徳島大学, 医学部, 教授 (60116788)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
近藤 正 徳島大学, 医学部, 教授 (80205559)
近藤 和也 徳島大学, 大学院・ヘルスバイオサイエンス研究部, 講師 (10263815)
|
|---|
| Keywords | 医用画像認識 / ニューラルネットワーク / X-ray CT image / GMDH |
|---|
| Research Abstract |
前年度の研究で開発した改良形GMDH-typeニューラルネットワークスのアルゴリズムは、医用画像データの情報のみを用いて医用画像認識に適したニューラルネットワークス(神経回路網モデル)を自己組織化することが可能で、AIC(akaike's Information Criterion)やPSS(Prediction Sum of Squares)などの予測誤差評価基準を用いて、これらの予測誤差評価基準を最小にするようにニューラルネットワークスの構造パラメータ(階層構造の層数、各層のニューロンの個数、ニューロンの構造、有益な入力変数の選択など)を自己選択することにより、ニューラルネットワークスの構造を自動的に構成することが可能であった。平成16年度では、この改良形GMDH-typeニューラルネットワークスのアルゴリズムをさらに発展させて、多層構造をしたシグモイド関数型ニューラルネットワークスやラジアルベース関数(RBF)型ニューラルネットワークス、さらに多項式型ニューラルネットワークスの3種類のニューラルネットワークスの構造の中から対象となる医用画像の特徴に最も適したニューラルネットワークス構造を自己選択する機能を備えた改良形GMDH-typeニューラルネットワークスのアルゴリズムを開発した。従来からよく用いられているバックプロパゲーション法を用いたニューラルネットワークスやRBFニューラルネットワークスでは、このようなネットワークの構造選択能力を備えていないために、複雑な特徴を示す医用画像認識に適したニューラルネットワークスの構造を見っけ出すことは困難であった。開発したネットワークス構造の選択能力を備えた改良形GMDH-typeニューラルネットワークスのアルゴリズムを用いて、肺区域の輪郭抽出や体積計算を行うための3次元医用画像データの解析プログラムを検討した。
|
