WEKO3
アイテム
{"_buckets": {"deposit": "8efe79ea-a570-4290-b0bd-f170bb82bee3"}, "_deposit": {"created_by": 1, "id": "61694", "owners": [1], "pid": {"revision_id": 0, "type": "depid", "value": "61694"}, "status": "published"}, "_oai": {"id": "oai:repo.qst.go.jp:00061694", "sets": ["29"]}, "author_link": ["610814", "610809", "610805", "610806", "610808", "610811", "610798", "610799", "610812", "610800", "610802", "610804", "610810", "610813", "610816", "610803", "610807", "610815", "610801"], "item_10005_date_7": {"attribute_name": "発表年月日", "attribute_value_mlt": [{"subitem_date_issued_datetime": "2006-07-22", "subitem_date_issued_type": "Issued"}]}, "item_10005_description_5": {"attribute_name": "抄録", "attribute_value_mlt": [{"subitem_description": "MRI画像における腫瘍の検出は、周囲軟部組織とのコントラストが弱いため、相当の熟練が要求される.本研究では、腫瘍診断によく用いられる3種類のMRl画像(Gd造影、T1強調、T2強調)を対象とし、自己組織化マップ(Self-Organizing Maps:SOMを用いたクラスタリングを行うことにより、腫瘍部位を分類し、良好な結果が得られている.しかし、SOMの学習には多くの時間を要すため、実用的でないという問題がある.そこで、検索範囲と更新範囲を限定した高速化アルゴリズム(高速法)を提案し、分類精度と学習時間について検討を行った.その結果、シミュレーションデータと臨床例の両方で、学習時間を最大200分の1以下に短縮できた.分類精度については、シミュレーションデータで全クラスタにおいて100%の合致率を得ることができ、臨床例でも従来法と同程度に腫瘍を他の部位と異なるクラスタとして分類できた.", "subitem_description_type": "Abstract"}]}, "item_10005_description_6": {"attribute_name": "会議概要(会議名, 開催地, 会期, 主催者等)", "attribute_value_mlt": [{"subitem_description": "第25回日本医用画像工学会大会", "subitem_description_type": "Other"}]}, "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": "細田, 順一"}], "nameIdentifiers": [{"nameIdentifier": "610798", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "上村, 幸司"}], "nameIdentifiers": [{"nameIdentifier": "610799", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "小畠, 隆行"}], "nameIdentifiers": [{"nameIdentifier": "610800", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "生駒, 洋子"}], "nameIdentifiers": [{"nameIdentifier": "610801", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "安藤, 裕"}], "nameIdentifiers": [{"nameIdentifier": "610802", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "鎌田, 正"}], "nameIdentifiers": [{"nameIdentifier": "610803", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "溝江, 純悦"}], "nameIdentifiers": [{"nameIdentifier": "610804", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "辻井, 博彦"}], "nameIdentifiers": [{"nameIdentifier": "610805", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "柳澤, 政生"}], "nameIdentifiers": [{"nameIdentifier": "610806", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "内山, 明彦"}], "nameIdentifiers": [{"nameIdentifier": "610807", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "外山, 比南子"}], "nameIdentifiers": [{"nameIdentifier": "610808", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "細田 順一", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "610809", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "上村 幸司", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "610810", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "小畠 隆行", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "610811", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "生駒 洋子", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "610812", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "安藤 裕", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "610813", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "鎌田 正", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "610814", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "溝江 純悦", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "610815", "nameIdentifierScheme": "WEKO"}]}, {"creatorNames": [{"creatorName": "辻井 博彦", "creatorNameLang": "en"}], "nameIdentifiers": [{"nameIdentifier": "610816", "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": "conference object", "resourceuri": "http://purl.org/coar/resource_type/c_c94f"}]}, "item_title": "自己組織化マップを用いた複数MRI画像からの腫瘍自動抽出 一高速化アルゴリズムの検討−", "item_titles": {"attribute_name": "タイトル", "attribute_value_mlt": [{"subitem_title": "自己組織化マップを用いた複数MRI画像からの腫瘍自動抽出 一高速化アルゴリズムの検討−"}]}, "item_type_id": "10005", "owner": "1", "path": ["29"], "permalink_uri": "https://repo.qst.go.jp/records/61694", "pubdate": {"attribute_name": "公開日", "attribute_value": "2006-07-25"}, "publish_date": "2006-07-25", "publish_status": "0", "recid": "61694", "relation": {}, "relation_version_is_last": true, "title": ["自己組織化マップを用いた複数MRI画像からの腫瘍自動抽出 一高速化アルゴリズムの検討−"], "weko_shared_id": -1}
自己組織化マップを用いた複数MRI画像からの腫瘍自動抽出 一高速化アルゴリズムの検討−
https://repo.qst.go.jp/records/61694
https://repo.qst.go.jp/records/616942d9398f1-35cd-489c-ac90-109edc8a630d
Item type | 会議発表用資料 / Presentation(1) | |||||
---|---|---|---|---|---|---|
公開日 | 2006-07-25 | |||||
タイトル | ||||||
タイトル | 自己組織化マップを用いた複数MRI画像からの腫瘍自動抽出 一高速化アルゴリズムの検討− | |||||
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_c94f | |||||
資源タイプ | conference object | |||||
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 |
細田, 順一
× 細田, 順一× 上村, 幸司× 小畠, 隆行× 生駒, 洋子× 安藤, 裕× 鎌田, 正× 溝江, 純悦× 辻井, 博彦× 柳澤, 政生× 内山, 明彦× 外山, 比南子× 細田 順一× 上村 幸司× 小畠 隆行× 生駒 洋子× 安藤 裕× 鎌田 正× 溝江 純悦× 辻井 博彦 |
|||||
抄録 | ||||||
内容記述タイプ | Abstract | |||||
内容記述 | MRI画像における腫瘍の検出は、周囲軟部組織とのコントラストが弱いため、相当の熟練が要求される.本研究では、腫瘍診断によく用いられる3種類のMRl画像(Gd造影、T1強調、T2強調)を対象とし、自己組織化マップ(Self-Organizing Maps:SOMを用いたクラスタリングを行うことにより、腫瘍部位を分類し、良好な結果が得られている.しかし、SOMの学習には多くの時間を要すため、実用的でないという問題がある.そこで、検索範囲と更新範囲を限定した高速化アルゴリズム(高速法)を提案し、分類精度と学習時間について検討を行った.その結果、シミュレーションデータと臨床例の両方で、学習時間を最大200分の1以下に短縮できた.分類精度については、シミュレーションデータで全クラスタにおいて100%の合致率を得ることができ、臨床例でも従来法と同程度に腫瘍を他の部位と異なるクラスタとして分類できた. | |||||
会議概要(会議名, 開催地, 会期, 主催者等) | ||||||
内容記述タイプ | Other | |||||
内容記述 | 第25回日本医用画像工学会大会 | |||||
発表年月日 | ||||||
日付 | 2006-07-22 | |||||
日付タイプ | Issued |