アンサンブル学習による3次元造影CT像からの膵臓領域抽出処理の高度化(領域抽出・自動検出)

概要

論文の詳細を見る
本報告では,3次元造影CT像からの膵臓領域抽出処理の高度化のためのアンサンブル・セグメンテーション処理について述べる.ここでアンサンブル・セグメンテーションとは,数百の弱セグメンテーション処理をブースティングなどの機械学習アルゴリズムによって組み合わせた処理のことである.これまで,ブースティングには様々なアルゴリズムが提案されている.本稿では,外れ値に対するロバスト性,ミスラベルに対するロバスト性,拾いすぎと見落としのコスト,学習アルゴリズムの収束性のそれぞれに注目し,アルゴリズム(損失関数)を4つのグループに分け,グループごとに構築したセグメンテーション処理の性能を評価・比較した.また,グループごとに最も性能の優れたセグメンテーション処理を選び,それらを組み合わせることで最終的な膵臓抽出処理を構築した.本研究では,33症例の3時相の造影CT像を学習に用い,それらを未知の20症例のCT像に適用した.本文では,それらの結果を示し,従来の結果と比較しながら提案手法の有効性について議論する.
社団法人電子情報通信学会の論文
2009-07-08