SEblockとDeformable Convolutionを加えたAlexNetによる胸部CT画像からの結節状陰影の検出

カテゴリ: 部門大会

論文No: GS11-1

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Detection of lung nodules from chest CT images based on AlexNet with SEblock and deformable convolution

著者名: 玉井 康平（九州工業大学）,神谷 亨（九州工業大学）,青木 隆敏（産業医科大学）,木戸 尚治（大阪大学）

著者名(英語): Kohei Tamai (Kyushu Institute of Technology),Tohru Kamiya (Kyushu Institute of Technology),Takatoshi Aoki (University of Occupational and Environmental Health),Shoji Kido (Osaka University)

キーワード: コンピュータ支援診断|経時的差分像技術|深層学習|Squeeze and Excitation Network|Deformable Convolution|Computer Aided Diagnosis|Temporal Subtraction Technique|Deep Learning|Squeeze and Excitation Network|eformable Convolution

要約(日本語): 近年，肺がんによる死亡者数は非常に多く，2019年におけるがんの部位別死亡数は男性において1位，女性では大腸に次いで2位となっている．肺がんの診断後5年生存率は，ステージⅠでは約71%に対し，ステージⅣでは約4%と大幅に減少しているため，肺がんは早期発見，早期治療が重要である．そこで本論文では，肺がんの前がんと呈されるすりガラス状陰影(GGO: Ground Glass Opacity)及び結節状陰影(Nodule)の検出を目的とするCAD(Computer Aided Diagnosis)を提案する．全体の流れとしては，我々が開発した経時的差分像生成法から得られる差分像上の高信号値を，異常陰影の初期候補領域として抽出する．その後，抽出した候補領域の画像を用い，CNN(Convolutional Neural Network)による識別を行う．提案法による識別実験では，49症例の過去・現在画像から構成される同一被験者の画像セットに対し，True Positive Rates=92.33%, False Positive Rates=10.07%を得た．