@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00190894,
 author = {岡本, 拓巳 and 小出, 哲士 and 玉木, 徹 and Bisser, Raytchev and 金田, 和文 and 吉田, 成人 and 三重野, 寛 and 田中, 信治 and 菅原, 崇之 and 戸石, 浩司 and 辻, 雅之 and 小田川, 真之 and 丹場, 展雄 and Takumi, Okamoto and Tetsushi, Koide and Toru, Tamaki and Bisser, Raytchev and Kazufumi, Kaneda and Shigeto, Yoshida and Hiroshi, Mieno and Shinji, Tanaka and Takayuki, Sugawara and Hiroshi, Toishi and Masayuki, Tsuji and Masayuki, Odagawa and Nobuo, Tamba},
 book = {DAシンポジウム2018論文集},
 month = {Aug},
 note = {本稿は，Convolutional Neural Network (CNN) の処理結果を特徴量として使用し，Support Vector Machine (SVM) による病理タイプ分類を行う，大腸 Narrow Band Imaging (NBI) 拡大内視鏡がん診断支援システムのリアルタイム処理実現を目的とする．CNN 特徴と SVM 分類を適用した診断支援システムをカスタマイザブルな Digital Signal Processing (DSP) コアである，Cadence 社の Cadence Tensilica Vision P6 DSP コアに実装し評価を行った．さらに，動画像処理に向けたシステム処理速度改善のため，システム全体の処理サイクルプロファイリングによる改善の影響が大きい箇所の特定およびその改良により，改良前と比較して処理サイクル数を 70% 削減 (16.6 M サイクルから 4.8M サイクル) でき，200 MHz でシステムを動作させた場合に約 41 fps とシステムオーバヘッドを加味してもリアルタイム処理が実現可能であることを示した．, This paper intoroduce an improvement of Computer-Aided Diagnosis (CAD) system for clorectal endoscopic images on a cumtamizable Digital Signal Processing (DSP) core, Cadence Tensilica Vision P6 DSP. We profiled the system processing cycles on Vision P6 DSP core that is using Convolutional Neural Network (CNN) as a feature extraction module for Support Vector Machine. As an estimation for processing cycles of whole the system, we traced bottlenecks of the system. By modifying the bottlenecks, we achieved that the processing cycles reduced from 16.6 M cycles to 4.8 M cycles (about 70 % cycles reduction).},
 pages = {39--44},
 publisher = {情報処理学会},
 title = {大腸がん診断支援のためのカスタマイザブルDSPによる内視鏡動画リアルタイムCNN特徴抽出とSVM分類},
 volume = {2018},
 year = {2018}
}