| 講演抄録／キーワード |
| 講演名 |
2019-02-20 13:15
転移学習を用いた胃X線画像における胃炎識別に関する検討
○金井美岬・藤後 廉・小川貴弘・長谷山美紀（北大） |
| 抄録 |
（和） |
本文では，畳み込みニューラルネットワーク (convolutional neural network: CNN) の転移学習を用いた胃X線画像における胃炎識別について検討を行う．CNNは大量のラベル付き画像を学習に用いることで，画像の意味内容を表現する高次元の特徴を捉えるためのパラメータを獲得し，高精度な画像認識を実現する．しかしながら，医用画像解析の分野では，CNNの学習に十分な枚数のラベル付き画像の確保が困難である場合が存在する．具体的に，本研究が対象とする胃X線画像では，各医療施設により撮像機器や技師の撮像方法が異なるため，医療施設毎に学習に用いる画像データセットを構築する必要がある．そのため，症例数の少ない医療施設では，CNNの学習に十分な胃X線画像の確保が困難である．ここで，少量の画像を学習に用いることを想定した識別問題において，転移学習の一種であり，CNN のパラメータの初期値を大量の一般画像で学習済みのパラメータに置き換えて再学習を行うfine-tuningにより，識別精度が向上すると報告されている．そこで，本文では，学習に用いる胃X線画像が少量である場合を想定し，大量の一般画像で学習済みのCNNに対してfine-tuningを行う胃X線画像における胃炎識別手法を提案する．また，パラメータの初期値をランダムな値に設定したCNNを学習する手法と識別精度を比較することで提案手法の有効性を検証する． |
| （英） |
This paper presents a method for gastritis detection from gastric X-ray images via a transfer learning approach using a convolutional neural network (CNN). CNNs can learn parameters to capture high-dimensional features which express semantic contents by using a large number of labeled images for training and realize accurate image recognition. However, in the field of medical image analysis, lack of the training images often occurs. Concretely, to handle gastric X-ray images used in this paper, it is required to construct a dataset consisting of the images collected from only the specific medical facility since imaging equipment and imaging routine of radiographer are different depending on medical facilities. Therefore, it is difficult to prepare the gastric X-ray images enough to train CNNs in the medical facility which has only a small number of gastric X-ray images. It is reported that fine-tuning, one of the transfer learning approaches, is effective for detection tasks using a small number of the training images. Fine-tuning is a method training a CNN whose parameters are initialized by parameters of a CNN pre-trained with a large number of labeled natural images. Hence, this paper presents a method for gastritis detection from gastric X-ray images which fine-tunes a pre-trained CNN with a small number of gastric X-ray images. Furthermore, this paper shows the effectiveness of the proposed method through experimentation which compares the detection performance of the proposed method with that of a method training a CNN whose parameters are initialized by values randomly sampled from an uniform distribution. |
| キーワード |
（和） |
胃がん / 胃炎識別 / 畳み込みニューラルネットワーク / 転移学習 / 胃X線画像 / / / |
| （英） |
gastric cancer / gastritis detection / convolutional neural network / transfer learning / gastric X-ray images / / / |
| 文献情報 |
映情学技報, vol. 43, no. 5, ME2019-59, pp. 315-318, 2019年2月. |
| 資料番号 |
ME2019-59 |
| 発行日 |
2019-02-12 (MMS, HI, ME, AIT) |
| ISSN |
Print edition: ISSN 1342-6893 Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
|