医用動画像の自動解析・認識・診断に関する研究

医学视频图像自动分析、识别与诊断研究

• 批准号: 15J09202
• 负责人: 菅沼 雅徳
• 金额: $ 1.6万
• 依托单位: Yokohama National University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2015
• 资助国家: 日本
• 起止时间: 2015-04-24 至 2018-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15J09202/
• 关键词: 動画像解析; 正常学習; 異常検知; 動画像処理; 自己組織化モデル

本研究では動画像，特に医用動画像における自動解析（イベント検出）を目的として研究を実施した．本研究におけるイベント検出とは，術中の重要な医療行為や画像中における見慣れない事象（例えば，病変画像）を検出することを意味する．これらのイベントを大量の動画像から自動検出することで，術後の手術解析や診断を効率的に行うことを目的としている．対象の動画像として，覚醒下脳腫瘍摘出術の術中映像やカプセル内視鏡画像を取り扱った．イベント検出を行うにあたり，これらの医用動画像では検出対象となるイベントの出現頻度が低い点に着目した．具体的には，イベント発生区間以外のフレームを用いて動画像の正常性を表現するモデルを構築し，そのモデルから逸脱するフレーム区間をイベントとして検出する．正常性を表現するモデルとして，本研究では自己組織化マップを改良したモデル（自己組織化モデル）と深層学習の一種である畳み込み自己符号化器を使用した方法をそれぞれ提案し，イベント検出に用いた．医用動画像には照明変化やカメラの移動などの外乱が多く含まれるため，まず，モデルの検証として監視カメラ映像からの異常検知実験を行った．この実験では，最初に歩行者のみが登場する動画像を使用してモデルの構築を行い，そのモデルを用いて道路に出現する車両をどれだけ正確に検出することができるかを検証した．検証の結果，畳込み自己符号化器を用いた方法が自己組織化モデルよりも優れた性能を示し，また，従来の異常検知方法と比較しても優れた性能を示したことから，畳込み自己符号化器によるモデルを医用動画像に適用した．覚醒下脳腫瘍摘出術映像，カプセル内視鏡画像からのイベント検出に適用した結果，イベントの検出が可能であることがわかった．しかし，外乱が多いフレームやモデル構築時に出現しなかったフレーム等に対する誤検出もみられ，提案手法の改良が今後も必要である．

The purpose of this study is to conduct research on automatic analysis of animated images, especially medical animated images (イベント検出). The purpose of this study is to focus on the imaging of medical behaviors that are important during surgery.を検出することをmeaning する．これらのイベントをA large number of animations, からautomatic 検出することで, postoperative operative analysis, diagnosis, and efficient に行うことをpurpose としている. Animation image of the elephant, Intraoperative image of the enlargement surgery of the lower breast and ulcer, Endoscopic image of the patient.イベン検出を行うにあたり, これらのmedical animation image では検出対肖 となるイベントのappearance frequency is low and the point is に目した. Specifically, the animation outside the range of the disease is expressed in the normality of the animation.モデルを CONSTRUCTION し, そのモデルから伊出するフレームInterval をイベントとして検出する. Normal expression of the disease, this study is the self-organizing of the disease (self-organizing of the disease) Deep learning is a kind of self-symbolizer, using the method, and using it. Medical animations like にはILLUMINATIZATION やカメラのmovable などの外乱が多く contain まれるため,まず, モデルの検证としてMonitoring the カメラimage and からのAbnormal 検知実験を行った.この実験では, the first に歩walker のみが appears するanimation image を Use してモデルのconstruct を行い, そのモデルを Use the いてroadにappearanceする车両をどれだけcorrectに検出することができるかを検证した. The results of the verification, the self-symbolization method, the self-organized モデルよりもoptimized performance, and the abnormal performance We know how to compare the performance of the best performance, and how to use our own symbolizer for medical animation. Image of the surgery to remove the enlarged epithelial tumor and ulcer, image of the endoscopic image of the endoscopic surgery The result of the application is the result of the application, and the possibility of the application is the result.しかし, the external chaos が多いフレームやモデルに appears when the しなかったフレーIt is necessary to propose improvements to the technique in the future if I wait for the mistake to be made.

项目成果

異常検知のための自己組織化ネットワークとその監視映像への適用

自组织网络异常检测及其在监控视频中的应用

• 发表时间: 2015
• 作者: Masanori Suganuma;Shinichi Shirakawa;Tomoharu Nagao;菅沼雅徳，長尾智晴
• 通讯作者: 菅沼雅徳，長尾智晴