眼底画像の異常判別と疾患分類を両立する階層分類手法

• Item type: SIG Technical Reports(1)
• 公開日: 2019-08-28
• タイトル: 眼底画像の異常判別と疾患分類を両立する階層分類手法
• タイトル / 言語: en
• タイトル: Hierarchical Classification to Detect Type of Diseases and Abnormality Simultaneously in Optical Coherence Tomography Images
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: セッション5
• 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: 株式会社クレスコ技術研究所
• 著者所属: 株式会社クレスコ技術研究所
• 著者所属: 株式会社クレスコ技術研究所
• 著者所属: 名古屋市立大学大学院医学研究科視覚科学
• 著者所属: 名古屋市立大学大学院医学研究科視覚科学
• 著者所属: 名古屋市立大学大学院医学研究科視覚科学
• 著者所属: 名古屋市立大学大学院医学研究科視覚科学
• 著者所属: 名古屋市立大学大学院医学研究科視覚科学
• 著者所属(英): en
• 著者所属(英): Department of Ophthalmology and Visual Science, Nagoya City University Graduate School of Medical Sciences
• 著者所属(英): en
• 著者所属(英): Department of Ophthalmology and Visual Science, Nagoya City University Graduate School of Medical Sciences
• 著者所属(英): en
• 著者所属(英): Department of Ophthalmology and Visual Science, Nagoya City University Graduate School of MedicalSciences
• 著者所属(英): en
• 著者所属(英): Department of Ophthalmology and Visual Science, Nagoya City University Graduate School of Medical Sciences
• 著者所属(英): en
• 著者所属(英): Department of Ophthalmology and Visual Science, Nagoya City University Graduate School of Medical Sciences
• 著者名: 加藤, 雄大; 綾塚, 祐二; 雅樂, 隆基; 桑山, 創一郎; 臼井, 英晶; 加藤, 亜紀; 小椋, 祐一郎; 安川, 力
• 著者名(英): Yudai, Kato; Yuji, Ayatsuka; Takaki, Uta; Soichiro, Kuwayama; Hideaki, Usui; Aki, Kato; Yuichiro, Ogura; Tsutomu, Yasukawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 医用画像を解析するタスクにおいては，疾患の種類を識別できるだけではなく，スクリーニング目的として画像が健常か異常かを識別することも有用である．我々は光干渉断層計 (OCT) 画像を入力とした畳み込みニューラルネットワークによる眼底疾患の分類に取り組んでいる．これまでに健常と異常の判別 （異常判別と呼ぶ） に特化したモデルに比べて，疾患の種類の分類を学習したモデル （疾患分類モデルと呼ぶ） のほうが，異常判別の能力が高いという結果を得た．これは疾患分類モデルが各疾患を判別するために画像上の特徴をより正確に判別する能力を獲得した結果だと解釈できる．本稿では，さらなる精度向上のために，階層分類による異常分類と疾患分類を同時に学習するモデルを考案した．階層分類を実現する手法は先行研究がいくつかあるが，本手法では疾患分類のアクティベーションを束ねて粗い階層のアクティベーションとする．この階層分類手法は特徴ベクトル間の距離に分類木の階層構造が反映できる可能性がある．そして，このモデルは既存のモデルに比べて異常分類および疾患分類どちらにおいても判別精度が優れていることがわかった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Analyzing medical images with machine learning is useful not only for classifying types of diseases but for screening abnormality. Our previous work showed that a convolutional neural network (CNN) model which learned for classifying diseases detects abnormality better than a CNN model which just learned abnormality as one category. The result is regarded as that a type of disease is important information to find visual feature of abnormality in image. In this paper, we propose a hierarchical method in which a model is trained both types of diseases and abnormality simultaneously. In our method, losses for each diseases are used for training the lower layer, and a loss for abnormality calculated as simple accumulation of losses for each diseases is used for training the upper layer. Models trained by our method achieve better accuracy in both classifying diseases and screening.
• 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: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2019-CVIM-218, 号 21, p. 1-4, 発行日 2019-08-28
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• 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