文献

J-GLOBAL ID：201802211431357447   整理番号：18A2207150

イントラフレーム学習によるConvolutional Neural Networksを用いたカプセル内視鏡画像における病変領域の追跡

Tracking Abnormalities in Video Capsule Endoscopy via Convolutional Neural Networks by Intra-frame Training

著者 (5件)： 柳川由紀子 (オムロン株式会社) ,  越後富夫 (大阪電気通信大学) ,  宮崎祐太 (大阪大学) ,  武村紀子 (大阪大学) ,  八木康史 (大阪大学)
資料名： 人工知能学会論文誌(Web)  (TJSAI (Web))
巻： 33  号： 6  ページ： C-I33_1-12(J-STAGE)  発行年： 2018年 
JST資料番号： U0128A  ISSN： 1346-8030  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 消化管における異常の正確な追跡は,内視鏡検査に関する医学診断のための教育訓練に関するサンプル画像シーケンスの準備に有用である。しかし,胃腸壁は予測できない様式で連続的に変形するため,明確な特徴無しの異常は連続フレーム上での追跡を困難にする。この問題を扱うために,提案した方法は,損傷領域を追跡するために,畳み込みニューラルネットワーク(CNN)を採用した。従来,トラッキングのためのCNNは,事前学習のための大量のサンプルデータを必要とする。CNNを用いた最新の追跡法は,多数の正しい解答ラベルを与えられたターゲット画像に類似したデータにおける事前学習が前提となっている。一方,提案した方法は類似データを用いた事前学習を必要としない。開始フレームにおけるマーク領域の画像成分は,同じ位置における成分に類似しているが,重複領域の度合いに依存してそれらの間で異なる。さらには,連続したフレームにおいて,前の領域における構成要素は,特定領域においてそれらに類似している。したがって,類似性はフレーム内学習と呼ばれる,前のフレームで学習可能である。本論文では,異常領域と局所スキャン領域の間の重なり率の学習に基づくCNNを用いて異常領域を追跡する方法を述べた。さらに,ネットワークパラメータを,連続フレーム上の類似領域を追加的に学習することから調整する。著者らは,8個の一般的タイプの胃腸異常を用いて提案したアプローチの効率を実証した。(翻訳著者抄録)

シソーラス用語： *ニューラルネットワーク ,  畳込み ,  *機械学習 ,  フレーム ,  動画像 ,  内視鏡検査 ,  カプセル ,  内視鏡 ,  医用画像 ,  胃腸管 ,  胃腸疾患
準シソーラス用語： *畳込みニューラルネットワーク ,  画像フレーム ,  カプセル内視鏡検査 ,  内視鏡画像 ,  病変部位 ,  胃腸系炎症

著者キーワード (8件)： オブジェクトトラッキング ,  畳み込みニューラルネットワーク ,  ビデオカプセル内視鏡 ,  オーバーラップスコア ,  オブジェクトトラッキング ,  畳み込みニューラルネットワーク ,  ビデオカプセル内視鏡 ,  オーバーラップスコア

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

引用文献 (51件)：

• [ Avidan 04] Avidan, S.: Support vector tracking, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 26, No. 8, pp.1064-1072 (2004)
• [ Badrinarayanan 15] Badrinarayanan, V., Kendall, A., and Cipolla, R.: SegNet: A deep convolutional encoder-decoder architecture for image segmentation, CoRR, Vol. abs/1511.00561, pp. 1-14 (2015)
• [ Bertinetto 16] Bertinetto, L., Valmadre, J., Golodetz, S., Miksik, O., and Torr, P. H.: Staple: Complementary learners for real-time tracking, in CVPR, pp. 1401-1409 (2016)
• [ CCOTcode] https://github.com/martin-danelljan/Continuous-ConvOp
• [ Chatfield 14] Chatfield, K., Simonyan, K., Vedaldi, A., and Zisserman, A.: Return of the devil in the details: Delving deep into convolutional nets, CoRR, Vol. abs/1405.3531, pp. 1-11 (2014)

タイトルに関連する用語 (5件)： 学習 ,  カプセル ,  内視鏡画像 ,  病変 ,  追跡