CNN特徴とSVM分類を用いた大腸NBI拡大内視鏡診断支援システムの最適化

• Item type: SIG Technical Reports(1)
• 公開日: 2017-10-30
• タイトル: CNN特徴とSVM分類を用いた大腸NBI拡大内視鏡診断支援システムの最適化
• タイトル / 言語: en
• タイトル: Optimization for Computer-Aided Diagnosis System with CNN Feature and SVM classifier for NBI Colorectal Endoscopic Images
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 応用事例
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 広島大学ナノデバイス・バイオ融合科学研究所
• 著者所属: 広島大学ナノデバイス・バイオ融合科学研究所
• 著者所属: 広島大学工学研究院
• 著者所属: 広島大学工学研究院
• 著者所属: 広島大学工学研究院
• 著者所属: JR広島病院消化器内科
• 著者所属: JR広島病院消化器内科
• 著者所属: 広島大学病院内視鏡診療科
• 著者所属(英): en
• 著者所属(英): Research Institute for Nanodevice and Bio Systems, Hiroshima University
• 著者所属(英): en
• 著者所属(英): Research Institute for Nanodevice and Bio Systems, Hiroshima University
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Hiroshima University
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Hiroshima University
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Hiroshima University
• 著者所属(英): en
• 著者所属(英): Department of Gastroenterology Hiroshima General Hospital of West Japan Railway Company
• 著者所属(英): en
• 著者所属(英): Department of Gastroenterology Hiroshima General Hospital of West Japan Railway Company
• 著者所属(英): en
• 著者所属(英): Department of Endoscopy, Hiroshima University Hospital
• 著者名: 岡本, 拓巳; 小出, 哲士; 玉木, 徹; Bisser, Raytchev; 金田, 和文; 吉田, 成人; 三重野, 寛; 田中, 信治
• 著者名(英): Takumi, Okamoto; Tetsushi, Koide; Toru, Tamaki; Bisser, Raytchev; Kazufumi, Kaneda; Shigeto, Yoshida; Hiroshi, Mieno; Shinji, Tanaka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では大腸 Narrow Band Imaging (NBI) 拡大内視鏡がん診断支援システム実現のため，Convolutional Neural Network (CNN) 特徴量と Support Vector Machine (SVM) 分類による病理タイプ識別を行う手法の識別精度評価結果について述べる．提案手法は研究グループで提案している Bag-of-Features (BoF) に基づく診断支援の特徴量抽出処理を，学習済み AlexNet の結果を用いることで実現する．CNN 中間層データを特徴量として用いた場合の識別精度を評価し，診断支援システムのリアルタイム処理実現に向けた検証を行う．識別精度検証の結果，AlexNet における全結合層の 6，7，8 層にて非腫瘍・腫瘍の識別において医療現場からの要求性能以上である 95 % の識別精度が実現可能であることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we discuss optimization for classifying Narrow-Band Imaging (NBI) colorectal endoscopic images with Convolutional Neural Network (CNN) and Support Vector Machine (SVM) for a Computer-Aided Diagnosis (CAD) system. The proposed method is using the result of pre-learned CNN as a feature extractor on Bag-of-Features framework. Moreover, we use the data of several layers in CNN as the extracted feature for SVM classifier. We estimated accuracy to identify tumor or not, and as an experimental result, we presented that the system accuracy is about 95% using feature of 6th, 7th and 8th fully-connected layers in AlexNet.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11451459
• 書誌情報: 研究報告システムとLSIの設計技術（SLDM）; 巻 2017-SLDM-181, 号 38, p. 1-6, 発行日 2017-10-30
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8639
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会