2026-05-13T10:33:19Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00199001 2025-01-19T21:44:46Z 1164:4619:9659:9887

CNN特徴量の解析と特徴選択-超拡大大腸内視鏡画像を用いた腫瘍性病変認識に向けて‐ Analysis and Feature Selection of CNN Features -Recognition of Neoplasia by using Endocytoscopic Images- 伊東, 隼人 森, 悠一 三澤, 将史 小田, 昌宏 工藤, 進英 森, 健策 Hayato, Itoh Yuichi, Mori Masashi, Misawa Masahiro, Oda Shin-ei, Kudo Kensaku, Mori セッション6 ポリープの病理学的パターンの識別はポリープ表面を超高倍率拡大観察して得られるテクスチャのパターンに基づく．深層学習は大規模データに基づく表現学習方法として様々な分野で用いられており，医用画像における病理学的パターンの識別も応用先のひとつである．深層学習は与えられた学習データに対して損失関数を最小化する特徴量表現を達成する．しかし，これは与えられた深層学習のアーキテクチャと損失関数に対する最尤推定の意味での最適化であり，識別的な特徴量表現が達成できているかどうかは確かでない．本稿ではポリープ表面の超拡大大腸内視鏡画像を対象に深層学習を用いて特徴量抽出を行い，得られた特徴量とテクスチャ特徴量の比較を行うことで，深層学習によって得られる特徴量の実験的な解析を行う． Pathological pattern classification is based on texture patterns in ultra magnified view of polyp surfaces. Deep learning is known as an useful representation learning method with large dataset in several fields including pathological classification of medical images. This representation learning method achieves an optimal representation of patterns for predefined architecture by minimising a value of loss function. However, this is the optimisation in the meaning of maximum likelihood estimation with train data for the given architecture and loss function. Therefore, whether the extracted feature is really discriminative feature or not is unclear. In this work, we analyse discriminative and generalisation ability of deep-learning based feature by comparing with texture future for colorectal endocytoscopic images of polyp surfaces. technical report 情報処理学会 2019-08-28 application/pdf 研究報告コンピュータビジョンとイメージメディア（CVIM） 25 2019-CVIM-218 1 6 2188-8701 AA11131797 https://ipsj.ixsq.nii.ac.jp/record/199001/files/IPSJ-CVIM19218025.pdf jpn