Diese Präsentation wurde erfolgreich gemeldet.
Die SlideShare-Präsentation wird heruntergeladen. ×

deep learningによるCTスキャン画像シーケンスの3次元セグメンテーションからのMixed Realityでの活用

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige

Hier ansehen

1 von 36 Anzeige
Anzeige

Weitere Verwandte Inhalte

Ähnlich wie deep learningによるCTスキャン画像シーケンスの3次元セグメンテーションからのMixed Realityでの活用 (20)

Weitere von Naoji Taniguchi (20)

Anzeige

Aktuellste (20)

deep learningによるCTスキャン画像シーケンスの3次元セグメンテーションからのMixed Realityでの活用

  1. 1. Holoeyes Inc.
  2. 2. 患者のCTデータから作成
  3. 3. 肝臓がん術前カンファレンス 都⽴墨東病院   
  4. 4. オペ室ではMixed Realityを使う
  5. 5. 術野に3Dを表⽰
  6. 6. VRで脊椎へのスクリューのインプラント
  7. 7. スクリューの位置からバーチャルな棒を⽴てる
  8. 8. ⾚ちゃんの様⼦をMixed Realityで表⽰
  9. 9. CEO/CTO ⾕⼝直嗣 3D、VR、ロボットに 精通するテクノロジスト COO 杉本真樹 外科医、 国際医療福祉⼤学准教授 CSO 新城 健⼀ AllAbout創業から 上場までプロデューサー として参画。 Medical * Technology * Internet
  10. 10. HoloEyes は医療の世界で VRとAIで デジタルトランスフォーメーション を推進します。
  11. 11. Machine Learningのニーズ
  12. 12. Segmentation
  13. 13. Marchine Cube
  14. 14. Polygon
  15. 15. Segmentation Challengeを発⾒
  16. 16. 論⽂調査のポイント 肝臓、すい臓、⻭などの論⽂を調査 その後、先⽇ダウンロードした全24論⽂を 以下の点について横断的に調査 どんなデータセットを採⽤しているか? フレームワークの種類、プログラムの公開状況、および計算の再現性。
  17. 17. 医⽤画像セグメンテーションの特徴1 データセット セット数が少ない: ⼤体数⼗セット Data Augmentation 数⼗万オーダにデータを増やす 対象の特徴に合わせた⼿法 elastic deformationなど
  18. 18. 医⽤画像セグメンテーションの特徴2 ネットワーク CNN (U-net含む) VNet, Cumedなど3次元セグメンテーションもある loss関数 クロスエントロピー, DICE係数など データフォーマット DICOM形式 / MHD形式 CT値/MRI信号強
  19. 19. データセット MRI 解像度 320 * 320 * 20 セット数 : 50
  20. 20. セグメンテーションシステムの構成 画像⼊⼒ 正規化 Data Augmentation VNet Connected component analysis DICOM出⼒
  21. 21. Data Augmentation ヒストグラムマッチング ヒストグラムを変換し、原画像のコントラスト変える Image Deformation B-spline変換 B-splineでの近似曲線のパラメータを変換 他に医⽤画像系では、回転、反転なども
  22. 22. VNet 3D(Volume)の セグメンテーション Down ConvとUp Conv 学習条件・環境 30000 step azure GPU K80 Caffe
  23. 23. Connected Component Analysis 空間連結 ⾮連結領域の除去
  24. 24. CaffeからChainerへ Caffeのネットワークの記述はprototextに定義 全部Pythonのコードの⽅が気持ちがいい マルチGPUを考えてChainerを採⽤ data augmentationはchainer.dataset.DatasetMixinクラスを⽤ いて実装することで動的に⽣成できる。 これでGPUで全計算可能、かつcaffeではできなかった動的⽣成によ り精度向上も期待される。
  25. 25. CTスキャンデータをChainerベースの システムで学習、セグメンテーション

×