多次元統計分析方法と顔画像及び医用ボリュームに対する解析とその応用

多维统计分析方法、面部图像和医学体分析及其应用

• 批准号: 10J07157
• 负责人: ショウ 旭
• 金额: $ 0.9万
• 依托单位: Ritsumeikan University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2010
• 资助国家: 日本
• 起止时间: 2010 至 2011
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-10J07157/
• 关键词: 医用ボリューム画像; 主成分分析法; 符号化法; テンソル基底

コンピュータビジョンやコンピュータグラフィックスの分野において,しばしば多次元データを取り扱う必要がある.たとえば,医用ボリューム画像やハイパースペクトル画像など.多次元データは膨大な情報を含んでいるため,いかに効率よく多次元データを表現し,コア情報を取り出すかが重要な研究課題である.これまで,主成分分析法(PCA)などの部分空間法は主にデータの高効率表現や次元圧縮に用いられてきたが,PCAを多次元データ解析に適用する場合,多次元データをまず1次元ベクトルに展開する必要がある.そのため,サンプルデータ数に比べデータの次元数が非常に大きいので,Overfitting問題や計算コスト問題などが生じる.上記の問題点を克服するため,本論文ではテンソルベース部分空間法及び統計モデリング法を提案する,提案法において,多次元デーは1次元ベクトルに展開する必要がなく,一つのテンソルとして取り扱う.主要な成果は以下に示す.1.テンソル分解に基づく部分空間法(TSL:Teタnsor-based Subspace Learning algorithm)を提案し,多視点顔画像の生成に応用した.多視点顔画像を一つの3次テンソル(人物,テクスチャ,視点)として見なすことができる.学習フェースにおいて,テンソル分解によりそれぞれの部分モード空間を生成することができる.これらの部分モード空間を用いることにより,ただ一つの視点画像を入力するだけで,他の視点画像を生成することが可能になった.2.TSL法は多次元データの特徴抽出や解析に有効な方法であるが,単一モードへの投影法であるため,多次元データを効率よくモデリングするには不向きである.本研究では,先行研究で開発した一般化N次元主成分分析法(GND-PCA:Generalized N-dimensional Principal Component Analysis)を用いた多次元データの統計モデリング法を提案し,多視点・多方向照明顔画像や肝臓ボリュームデータに適用し,その有効性を示した.さらに,GND-PCAを用いた肝臓の統計appearanceモデルにより,肝臓の正常と異常の診断支援が可能であることを示した.3.GND-PCAをさらに拡張し,新たな線形テンソル符号化法(LTC:Linear Tensor Coding algorithm)を提案した.LTC法において,多次元データはいくつかのテンソル基底の線形和として表される.それぞれの基底はな特定な意味・効果(たとえば、左方向からの照明)をもつ基底となるので,基底の係数はそれらの特定効果の尺度として用いることができる.病気に寄与する成分の特定や診断支援への応用が将来可能となり,きわめて有効な手法である.

コ ン ピ ュ ー タ ビ ジ ョ ン や コ ン ピ ュ ー タ グ ラ フ ィ ッ ク ス の eset に お い て, し ば し ば multidimensional デ ー タ を take り Cha う necessary が あ る. た と え ば, medical ボ リ ュ ー ム portrait や ハ イ パ ー ス ペ ク ト ル portrait な ど. The multidimensional デ ー タ は expands な intelligence を containing ん で い る た め, い か に sharper rate よ く multidimensional デ ー タ を し, コ ア intelligence を take り out す か な important research problem が で あ る. こ れ ま で, principal component analysis (PCA) な ど の part space method は main に デ ー タ の high working rate performance や dimensional 圧 shrinkage に with い ら れ て き た が, PCA を yuan デ many times ー タ parsing に applicable す る occasions, multidimensional デ ー タ を ま ず 1 yuan ベ ク ト ル に expand す る necessary が あ る. そ の た め, サ ン プ ル デ ー タ number に than べ デ ー タ の dimensional number が very big に き い の で, Overfitting problem や computing コ ス ト problem な ど が raw じ る. Written の problem を overcome す る た め, this thesis で は テ ン ソ ル ベ ー ス part space method and statistical モ び デ リ ン グ method proposed を す る, proposal method に お い て, multidimensional デ ー は 1 yuan ベ ク ト ル に expand す る necessary が な く, a つ の テ ン ソ ル と し て take り Cha う. Main achievements of な は に す indicated below. 1. テ ン ソ ル decomposition に base づ く part space method (TSL: Te タ nsor - -based Subspace Learning algorithm) を proposal し, multiple viewpoints yan portrait の generated に 応 with し た. A multi-view facial portrait を つ の three テ ン ソ ル (figure, テ ク ス チ ャ, viewpoints) と し て see な す こ と が で き る. Learning フ ェ ー ス に お い て, テ ン ソ ル decomposition に よ り そ れ ぞ れ の part モ ー ド space を generated す る こ と が で き る. こ れ ら の part モ ー を ド space with い る こ と に よ り, た だ a つ の viewpoints portrait を す into force る だ け で, he の viewpoints portrait を generated す る こ と が may に な っ た. 2. The method of TSL は multidimensional デ ー タ 徴 の Take や parsing に have sharper な method で あ る が, 単 a モ ー ド へ の projection で あ る た め, multidimensional デ ー タ を sharper rate よ く モ デ リ ン グ す る に は to き で あ る. In this study, で で, prior research で developed た Generalized N-dimensional Principal Component analysis (GND-PCA: generalized n-dimensional principal component) Analysis) を い た multidimensional デ ー タ の statistical モ デ リ ン を proposal し グ method, multiple viewpoints, crucial direction lighting yan portrait や liver ボ リ ュ ー ム デ ー タ に applicable し, そ の have sharper sex を shown し た. さ ら に, GND - PCA を with い た routine liver の statistical appearance モ デ ル に よ り, abnormal liver perforatien の normal と の diagnosis Signing が may で あ る こ と を shown し た. 3. The GND - PCA を さ ら に company, zhang し, new た な Linear テ ン ソ ル symbolic method (LTC: Linear Tensor Coding Proposed algorithm) を し た. LTC method に お い て, multidimensional デ ー タ は い く つ か の テ ン ソ ル basal の linear and と し て table さ れ る. そ れ ぞ れ の basal は な specific な, mean sharper, fruit (た と え ば, left direction か ら の lighting) を も つ basal と な る の で, basal の coefficient は そ れ ら の specific working fruit の scale と し て い Youdaoplaceholder0 とがで る る. Disease 気 に send す る composition の や specific diagnostic support へ の 応 with が future と な り, き わ め て have sharper な gimmick で あ る.

项目成果

A Statistical Texture Model of the Liver Based on Generalized N-Dimensional Principal Component Analysis (GND-PCA) and 3D Shape Normalization.

• DOI: 10.1155/2011/601672
• 发表时间: 2011
• 期刊: International journal of biomedical imaging
• 影响因子: 7.6
• 作者: Qiao X;Chen YW
• 通讯作者: Chen YW

Tensor-based subspace learning and its applications in multi-pose face synthesis

• DOI: 10.1016/j.neucom.2010.04.013
• 发表时间: 2010-08
• 期刊: Neurocomputing
• 影响因子: 6
• 作者: Xu Qiao;X. Han;T. Igarashi;K. Nakao;Yenwei Chen

Multilinear Supervised Neighborhood Embedding with Local Descriptor Tensor for Face Recognition

• DOI: 10.1587/transinf.e94.d.158
• 发表时间: 2011
• 期刊: IEICE Trans. Inf. Syst.
• 作者: X. Han;Xu Qiao;Yenwei Chen

Statistical Texture Modeling for Medical Volume Using Generalized N-Dimensional Principal Component Analysis Method and 3D Volume Morphing

使用广义 N 维主成分分析方法和 3D 体积变形对医疗体积进行统计纹理建模

• 发表时间: 2010
• 作者: 柿田瞬;他2名;Xu Qiao ; Yen-Wei Chen
• 通讯作者: Xu Qiao ; Yen-Wei Chen