WEKO3
アイテム
{"_buckets": {"deposit": "6e58ab40-0911-47bf-b6d9-2684c7690e80"}, "_deposit": {"created_by": 1, "id": "79968", "owners": [1], "pid": {"revision_id": 0, "type": "depid", "value": "79968"}, "status": "published"}, "_oai": {"id": "oai:repo.qst.go.jp:00079968", "sets": ["11"]}, "author_link": ["867858", "867859"], "item_10004_biblio_info_7": {"attribute_name": "書誌情報", "attribute_value_mlt": [{"bibliographicIssueDates": {"bibliographicIssueDate": "2020-05", "bibliographicIssueDateType": "Issued"}, "bibliographicIssueNumber": "5", "bibliographicPageEnd": "533", "bibliographicPageStart": "524", "bibliographicVolumeNumber": "76", "bibliographic_titles": [{"bibliographic_title": "日本放射線技術学会雑誌"}]}]}, "item_10004_description_5": {"attribute_name": "抄録", "attribute_value_mlt": [{"subitem_description": "近年の人工知能技術の急速な発展に伴い,深層学習は,画像認識・識別タスクに限らず,画像を生成する画像処理系タスクにも急速に応用されはじめている.深層学習を用いた画像処理技術に関連する多種多様な研究が進んでいるが,①超解像,②信号減弱・強調,③画像生成・変換の3 領域のうちのどれかにおおむね分類され,筆者はこれらを総称して「AI イメージング技術」と呼んでいる.①の超解像は,画像や動画の解像度を向上させる技術の総称で,人工衛星写真や顕微鏡などに限らず,一般汎用モニタやテレビなど実社会で広く用いられている技術である.古くからある手法であるが,深層学習を用いた手法が登場して以来,加速度的な発展を遂げている.②の信号減弱・強調は,医療においてはノイズ除去やアーチファクト除去といった,画像中の特定の信号成分を減弱する研究が多くを占めている.③の画像生成・変換は,敵対的生成ネットワークの提案に伴って発展した領域であり,医療応用という観点から今後有望視されている.本稿ではこれら三つのAI イメージング技術のうち,①の超解像を中心に,技術概要と医用画像に対しての応用事例などを紹介しながら解説する.", "subitem_description_type": "Abstract"}]}, "item_10004_publisher_8": {"attribute_name": "出版者", "attribute_value_mlt": [{"subitem_publisher": "公益社団法人日本放射線技術学会"}]}, "item_10004_relation_17": {"attribute_name": "関連サイト", "attribute_value_mlt": [{"subitem_relation_type_id": {"subitem_relation_type_id_text": "https://doi.org/10.6009/jjrt.2020_JSRT_76.5.524", "subitem_relation_type_select": "DOI"}}]}, "item_10004_source_id_9": {"attribute_name": "ISSN", "attribute_value_mlt": [{"subitem_source_identifier": "0369-4305", "subitem_source_identifier_type": "ISSN"}]}, "item_access_right": {"attribute_name": "アクセス権", "attribute_value_mlt": [{"subitem_access_right": "metadata only access", "subitem_access_right_uri": "http://purl.org/coar/access_right/c_14cb"}]}, "item_creator": {"attribute_name": "著者", "attribute_type": "creator", "attribute_value_mlt": [{"creatorNames": [{"creatorName": "梅原, 健輔"}], "nameIdentifiers": [{"nameIdentifier": "867858", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "Umehara, Kensuke", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "867859", "nameIdentifierScheme": "WEKO"}]}]}, "item_language": {"attribute_name": "言語", "attribute_value_mlt": [{"subitem_language": "jpn"}]}, "item_resource_type": {"attribute_name": "資源タイプ", "attribute_value_mlt": [{"resourcetype": "article", "resourceuri": "http://purl.org/coar/resource_type/c_6501"}]}, "item_title": "深層学習を用いた超解像技術と医用画像への応用", "item_titles": {"attribute_name": "タイトル", "attribute_value_mlt": [{"subitem_title": "深層学習を用いた超解像技術と医用画像への応用"}]}, "item_type_id": "10004", "owner": "1", "path": ["11"], "permalink_uri": "https://repo.qst.go.jp/records/79968", "pubdate": {"attribute_name": "公開日", "attribute_value": "2020-05-08"}, "publish_date": "2020-05-08", "publish_status": "0", "recid": "79968", "relation": {}, "relation_version_is_last": true, "title": ["深層学習を用いた超解像技術と医用画像への応用"], "weko_shared_id": -1}
深層学習を用いた超解像技術と医用画像への応用
https://repo.qst.go.jp/records/79968
https://repo.qst.go.jp/records/7996833655e45-8426-4d20-a855-51900a9ce46f
Item type | 一般雑誌記事 / Article(1) | |||||
---|---|---|---|---|---|---|
公開日 | 2020-05-08 | |||||
タイトル | ||||||
タイトル | 深層学習を用いた超解像技術と医用画像への応用 | |||||
言語 | ||||||
言語 | jpn | |||||
資源タイプ | ||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||
資源タイプ | article | |||||
アクセス権 | ||||||
アクセス権 | metadata only access | |||||
アクセス権URI | http://purl.org/coar/access_right/c_14cb | |||||
著者 |
梅原, 健輔
× 梅原, 健輔× Umehara, Kensuke |
|||||
抄録 | ||||||
内容記述タイプ | Abstract | |||||
内容記述 | 近年の人工知能技術の急速な発展に伴い,深層学習は,画像認識・識別タスクに限らず,画像を生成する画像処理系タスクにも急速に応用されはじめている.深層学習を用いた画像処理技術に関連する多種多様な研究が進んでいるが,①超解像,②信号減弱・強調,③画像生成・変換の3 領域のうちのどれかにおおむね分類され,筆者はこれらを総称して「AI イメージング技術」と呼んでいる.①の超解像は,画像や動画の解像度を向上させる技術の総称で,人工衛星写真や顕微鏡などに限らず,一般汎用モニタやテレビなど実社会で広く用いられている技術である.古くからある手法であるが,深層学習を用いた手法が登場して以来,加速度的な発展を遂げている.②の信号減弱・強調は,医療においてはノイズ除去やアーチファクト除去といった,画像中の特定の信号成分を減弱する研究が多くを占めている.③の画像生成・変換は,敵対的生成ネットワークの提案に伴って発展した領域であり,医療応用という観点から今後有望視されている.本稿ではこれら三つのAI イメージング技術のうち,①の超解像を中心に,技術概要と医用画像に対しての応用事例などを紹介しながら解説する. | |||||
書誌情報 |
日本放射線技術学会雑誌 巻 76, 号 5, p. 524-533, 発行日 2020-05 |
|||||
出版者 | ||||||
出版者 | 公益社団法人日本放射線技術学会 | |||||
ISSN | ||||||
収録物識別子タイプ | ISSN | |||||
収録物識別子 | 0369-4305 | |||||
関連サイト | ||||||
識別子タイプ | DOI | |||||
関連識別子 | https://doi.org/10.6009/jjrt.2020_JSRT_76.5.524 |