CycleGANによる小腸カプセル内視鏡画像における不均衡な学習データの改善

カテゴリ: 部門大会

論文No: MC2-5

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Improving imbalanced training data In small intestine capsule endoscopy images By CycleGAN

著者名: 橘 雄斗（近畿大学）,印牧 奨真（近畿大学）,玉井 龍成（近畿大学）,米田 頼晃（近畿大学）,半田 久志（近畿大学）

著者名(英語): Yuto Tachibana (Kindai University),Shoma Kanemaki (Kindai University),Ryusei Tamai (Kindai University),Yoriaki Komeda (Kindai University),Hisashi Handa (Kindai University)

キーワード: データ拡張|敵対的生成ネットワーク|EfficientNetEfficientNet|Data Augmentation|Generative adversarial networks|EfficientNet

要約(日本語): 近年開発されたカプセル内視鏡は，内服薬のように口から飲み込まれたあと，消化管を通過しながら小腸などの内部を撮影することができるカプセル型の小型内視鏡である．カプセル内視鏡から得られる画像は病変が映っている病変画像と病変の映っていない正常画像があるが，病変画像は10∼100枚程度に対し，正常画像は数万枚であることから，データセットとして不均衡であり，機械学習への適応が難しい．本研究では，機械学習の手法の敵対的生成ネットワークの一種であるCycleGANを用いて正常画像を病変画像に変換することで，病変画像のデータの拡張を行い，データセットの不均衡問題の解消を試みる．CycleGANによるデータ拡張を行い作成したデータセットと反転，回転などの通常のデータ拡張手法を用いて作成したデータセットをEfficientNetによる転移学習，分類結果の比較を行うことで，CycleGANによるデータの拡張の有用性を示す．