フラクタル画像で事前学習した胸部CT画像肺炎識別器の性能評価

カテゴリ: 部門大会

論文No: MC2-6

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): Performance Evaluation of Pneumonia Classifier for Chest CT Images Pre-trained with Fractal Images

著者名: 堀 孝輔（近畿大学）,吉岡 雄健（近畿大学）,小塚 健倫（関西医科大学）,山田 誉大（近畿大学）,木村 裕一（近畿大学）,石井 一成（近畿大学）,波部 斉（近畿大学）

著者名(英語): Kosuke Hori (KINDAI UNIVERSITY),Yuken Yoshioka (KINDAI UNIVERSITY),Takenori Kozuka (KANSAI MEDICAL UNIVERSITY),Takahiro Yamada (KINDAI UNIVERSITY),Yuichi Kimura (KINDAI UNIVERSITY),Kazunari Ishii (KINDAI UNIVERSITY),Hitoshi Habe (KINDAI UNIVERSITY)

キーワード: フラクタル画像|胸部CT画像|肺炎識別器|性能評価|事前学習|Fractal Images|Chest CT Images|Pneumonia Classifier|Performance Evaluation|Pre-trained

要約(日本語): 現代の医療で補助ツールとして注目されている深層学習では，事前学習で必要な自然画像データベースの確保に関する問題が指摘されている．これに対し，数式で学習用画像を生成する数式駆動型学習 (FDSL) が注目されている．一方，近年では画像認識での Vision Transformer(ViT) の利用が進んでいるが，医用画像診断においてFDSLとViTを組み合わせた検証は我々の知る限り行われていない．そこで本稿ではFDSLの中でもフラクタル画像で事前学習を行ったViTの性能評価を行う．胸部CT画像を対象とし，市中肺炎とCOVID-19肺炎の識別をタスクとする．実験の結果，FDSLによる事前学習でも自然画像のよる事前学習と同等の精度が得られることを確認できた．また，事前学習データに関わらずViTは従来用いられていたResNetより低い精度となった．