权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

非線形デコンボリューションと非線形深層学習による8K内視鏡焦点深度最適化の研究

利用非线性反卷积和非线性深度学习的8K内窥镜景深优化研究

基本信息

批准号：
18H03216
负责人：
合志清一
金额：
$ 10.98万
依托单位：
Kogakuin University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-01 至 2021-03-31
项目状态：
已结题

项目摘要

本研究成果として論文２編（査読有）、国際会議招待講演1件、国際会議発表7件（全て査読有）、国内口頭発表7件を行った。申請計画を前倒しして、平成30年度中にフォーカスのずれた８Ｋ内視鏡映像の0.02mmの手術用の糸が見える高解像度化手法を考案した。研究成果は昨年度から本年度にかけて国際学会で報告予定である。静止画用の手法としてTotal Variationを用いた高解像度化に成功しており、動画像用の手法として非線形超解像による画質改善に非線形信号処理を用いて正解を上げた。いずれの手法もノイズ低減と解像増度向上という、相反する研究課題を残しているものの今後のパラメータ調整により性能向上が期待できる。新たに判明した課題としてノイズが上げられる。平成30年の研究により、8K内視鏡映像には予想以上にノイズが多いことも判明した。ノイズは高精細成分と共に高周波成分である。この両者は周波数分離だけでは区分できないので、新たな手法が必要である事も判明した。平成31年度は8K内視鏡におけるノイズの研究も平行して実施することが必要と考えている。深層学習による解像度向上は、基本プログラムが完成しており、現在、多数の画像を用いた学習を行っている。深層学習による高解像度化も、予定を前倒しし本年度中に完了させる予定である。

The results of this research include 2 edited papers (available for review), 1 international conference reception speech, 7 international conference presentations (available for review), and 7 domestic oral presentations. The application plan is to examine the high-resolution technique of 0.02mm surgical endoscopic images in the middle of the 30th year of Heisei. The results of the research are expected to be published in the International Academy of Sciences. The method for static painting and Total Variation is used to improve the resolution, and the method for animation is used to improve the image quality and the non-linear signal processing is used to improve the resolution. In the middle of the game, the method is to reduce the resolution and increase the resolution. In the middle of the game, the research topic is to improve the performance and adjust the performance. The new problem is identified. Heisei 30 years of research, 8K endoscopic imaging, and more than one High frequency components The number of cycles is different, and the new method is necessary. Heisei 31 years ago, 8K endoscope research was conducted in parallel. Deep learning: resolution up, basic learning, completion, present, most of the portrait learning. Deep learning is a high-resolution process, scheduled for completion in the middle of the year.