Eff-Unetを用いたCT画像における絞扼性腸閉塞の病変部位の検出法に関する検討

カテゴリ: 研究会(論文単位)

論文No: CT24100

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2024/12/10

タイトル(英語): A Study on Detecting the Region of Strangulated Bowel Obstruction in CT Images Using Eff-Unet

著者名: 中塚 竜也(東京理科大学),上原 圭(日本医科大学),吉田 寛(日本医科大学),岩井 拓磨(日本医科大学),山田 岳史(日本医科大学),相川 直幸(東京理科大学)

著者名(英語): Tatsuya Nakatsuka(Tokyo University of Science),Kei Uehara(Nippon Medical School),Hiroshi Yoshida(Nippon Medical School),Takuma Iwai(Nippon Medical School),Takeshi Yamada(Nippon Medical School),Naoyuki Aikawa(Tokyo University of Science)

キーワード: 画像セグメンテーション|絞扼性腸閉塞|Ｅｆｆ－Ｕｎｅｔ|病変検出|Image Segmentation|Strangulated Bowel Obstruction|Eff-Unet|Lesion Detection

要約(日本語): 絞扼性腸閉塞は前兆がほぼなく，急速に悪化し，腸管壊死から死亡に至るため早期診断を必要とする．従来は医師が絞扼性腸閉塞の病変部位を目視で見つけることで診断をしていたが，熟練の医師でないと判断が難しく，見逃されてしまうということが課題となっている．そこで本論文では，Eff-UnetというDeepLearningモデルを用いてCT画像における絞扼性腸閉塞の病変部位を自動検出する方法を提案する．

要約(英語): Strangulated bowel obstruction progresses rapidly and requires early diagnosis to prevent intestinal necrosis and death. Conventional diagnosis relies on visual identification by physicians, but it is difficult for less experienced doctors, leading to possible oversight. This paper proposes an automated method using the Eff-Unet deep learning model to detect the affected regions in CT images.

本誌: 2024年12月13日制御研究会

本誌掲載ページ: 35-39 p

原稿種別: 日本語

PDFファイルサイズ: 3,442 Kバイト