研究者詳細 - 小田　昌宏

講演・口頭発表等 - 小田　昌宏

分割表示 291 件中 261 - 280 件目／全件表示 >>

深層学習を用いた医用画像処理研究の最前線招待有り国際会議

小田昌宏

第47回日本放射線技術学会秋季学術大会（第86回画像部会教育講演） 2019年10月17日第47回日本放射線技術学会秋季学術大会（第86回画像部会教育講演）

深層学習を用いた医用画像処理の始め方招待有り国際会議

小田昌宏

生体医工学シンポジウム2018 2018年9月14日生体医工学シンポジウム2018

機械学習を用いた診断と治療支援招待有り国際会議

小田昌宏

第47回日本脊椎脊髄病学会学術集会 2018年4月12日日本脊椎脊髄病学会

大腸変形モデルを用いた大腸内視鏡下治療誘導システムの開発招待有り国際会議

小田昌宏

第31回人工知能学会全国大会 2017年5月23日 JST

大腸内視鏡トラッキングのためのregression forestsを用いた大腸変形モデルの開発国際会議

小田昌宏, 北坂孝幸, 古川和宏, 宮原良二, 廣岡芳樹, 後藤秀実, Nassir Navabe, 森健策

第26回日本コンピュータ外科学会大会(JSCAS2017) 2017年10月28日

多種情報統合利用による診断・治療支援AIの発展招待有り国際会議

小田昌宏

第92回日本整形外科学会学術総会 2019年5月9日第92回日本整形外科学会学術総会

記述言語：日本語会議種別：シンポジウム・ワークショップパネル（指名）

開催地：パシフィコ横浜

これまでのAIによる診断・治療支援では，医用画像を与え深層学習ベース手法で判断を行うものが主流であった．近年，画像に限らず文章，手術時の術具の動き，臓器変形等，多様な情報を利用した深層学習ベース手法が登場してAI・深層学習の応用範囲を広げている．例えば，患者状態時系列変化の予測，術中の臓器変形の推定，手技評価等がある．今後のAI・深層学習は多種情報を利用するものが増加すると考えられる．

researchmap

外科領域における医用画像の深層学習国際会議

小田昌宏

第27回日本コンピュータ外科学会大会 2018年11月9日

記述言語：日本語会議種別：公開講演，セミナー，チュートリアル，講習，講義等

開催地：奈良県文化会館

深層学習がコンピュータ情報処理の発展に大きく貢献しており，高い識別能力を持つコンピュータシステムを実現するために重要な手法となっている．従来であれば課題ごとに判断・識別アルゴリズムを開発する必要があったが，深層学習では様々な課題に対して共通のモデルまたはフレームワークを適用し，課題解決を図ることが可能である．これにより研究開発の迅速化と高性能化が期待できる．
本セッションでは深層学習を用いた画像処理の実施方法をハンズオン形式で解説する．画像分類，セグメンテーションを含む基本的な深層学習ベース手法のプログラム作成及び実行方法を解説し，参加者が持参するコンピュータ上でプログラムを動作させる．本ハンズオン参加前に，持参するコンピュータへのソフトウェアセットアップ，データダウンロード等が必要である（方法は別途案内）．

researchmap

医用画像工学におけるAI・機械学習の利用招待有り国際会議

小田昌宏

第63回システム制御情報学会研究発表講演会 (SCI’19) 2019年5月22日第63回システム制御情報学会研究発表講演会 (SCI’19)

記述言語：日本語会議種別：公開講演，セミナー，チュートリアル，講習，講義等

開催地：中央電気倶楽部

In the medical image processing field, utilization of AI and machine learning techniques are getting popular. Among AI and machine learning techniques, the deep learning significantly contributes to improve performances of medical image processing methods. This paper introduces some automated segmentation and lesion detection techniques including conventional and deep learning-based methods. Improvements of their performances obtained by using deep learning techniques are also presented. Additionally, two problems that medical image processing researches who use AI and machine learning techniques facing are introduced.

researchmap

医用画像処理のための深層学習サンプルコード集 DMED 国際会議

小田昌宏, 原武史, 森健策

第27回日本コンピュータ外科学会大会 2018年11月9日

記述言語：日本語会議種別：ポスター発表

開催地：奈良県文化会館

Deep learning techniques are widely used in both of computer aided surgery (CAS) and diagnosis (CAD) fields. Many software to use deep learning are available. However, in the medical assisting research field, we need to implement new deep learning-based methods. It is difficult for researchers who are not specialized in image processing or machine learning. To accelerate use of deep learning for all researchers, we developed the deep learning sample code collection for medical image processing (DMED). DMED enables easy use of key deep learning-based methods including medical image processing. Current DMED includes sample codes for image classification, segmentation, and superresolution. Different from the previous deep learning library such as the NiftyNet and the DLTK, the DMED performs training processes in reasonable processing time without GPU. We expect the DMED accelerates use of deep learning-based image processing methods in the CAS and CAD fields.

researchmap

医用画像における深層学習を利用した研究のはじめかた招待有り国際会議

小田昌宏

第37回日本医用画像工学大会 2018年7月25日日本医用画像工学会

Non-contrast to contrasted abdominal CT volume regression using fully convolutional network

Masahiro Oda, Kanako K. Kumamaru, Shigeki Aoki, Kensaku Mori

Computer Assisted Radiology and Surgery (CARS) 2019 2019年6月18日

MICCAI 2018参加報告国際会議

小田昌宏, 大竹義人, 伊東隼人, 杉野貴明, 斉藤篤, 古川亮, 大西峻, 井宮淳, 森健策

電子情報通信学会医用画像研究会 2019年1月23日

MICCAI 2016参加報告国際会議

小田昌宏, 宮内翔子, 諸岡健一, 周向栄, 増谷佳孝, 中口俊哉, 井宮淳, 森健策

電子情報通信学会医用画像研究会 2017年1月18日

Machine Learning Techniques for Automated Accurate Organ Segmentation and Their Applications to Diagnosis Assistance

Masahiro Oda, Natsuki Shimizu, Holger R. Roth, Takayuki Kitasaka, Kazunari Misawa, Kensaku Mori, Michitaka Fujiwara, Daniel Rueckert

RSNA 2017 (Radiological Society of North America) 2017年11月26日

JAMITハンズオンセミナー国際会議

中田典生, 原武史, 小田昌宏, 福岡大輔

第37回日本医用画像工学会大会 2018年7月25日

JAMITハンズオンセミナー国際会議

原武史, 中田典生, 小田昌宏, 福岡大輔, 田中理恵, 中山良平

第38回日本医用画像工学会大会 2019年7月24日

Generative Adversarial Networks Showcase: Their Mechanisms and Radiological Applications

Masahiro Oda, Hirohisa Oda, Kanako K. Kumamaru, Shigeki Aoki, Hiroshi Natori, Kensaku Mori, Masaki Mori, Hirotsugu Takabatake

Radiological Society of North America (RSNA) 2019 2019年12月1日

Generative Adversarial Frameworksを用いた腹部CT像における非造影像からの造影像の推定国際会議

小田昌宏, 隈丸加奈子, 青木茂樹, 森健策

第38回日本医用画像工学会大会 2019年7月24日

記述言語：日本語会議種別：ポスター発表

開催地：奈良春日野国際フォーラム甍～ I・RA・KA ～

本稿では，深層学習を用いて腹部領域の非造影CT像から造影CT像を推定する方法について述べる．診断及び治療時における血管を含む解剖構造や異常の確認を目的として，血管造影下でのCT像撮影が広く行われている．しかし造影剤の影響で呼吸困難や心停止といった重大な合併症を引き起こす場合が存在し，患者によって造影剤が使用できないことがある．本稿では深層学習による画像処理を用いて，腹部CT像の非造影像から造影像を推定する方法を提案する．Fully convolutional network（FCN）を用いた学習データの直接的学習，Generative adversarial frameworks（pix2pix，CycleGAN）におけるFCNの間接的学習等を用い，非造影から造影像への変換ネットワーク構築を行う．腹部CT像における推定実験を行ったところ，CycleGANを用いると他の方法より良好で造影CT像に近い画像を推定可能であった．

researchmap

Fully convolutional networkを用いた小構造物セグメンテーション方法の検討及び腹部動脈への適用国際会議

小田昌宏, Holger R. Roth, 北坂孝幸, 三澤一成, 藤原道隆, 森健策

第37回日本医用画像工学大会（JAMIT2018) 2018年7月25日

False positive reduction of abdominal artery segmentation from CT volumes based on deep convolutional neural networks

Masahiro Oda, Tokunori Yamamoto, Yasushi Yoshino, Kensaku Mori

Computer Assisted Radiology and Surgery (CARS) 2017 2017年6月20日

　前のページ - 次のページ　

<小田 昌宏>

講演・口頭発表等 - 小田 昌宏

<小田　昌宏>

講演・口頭発表等 - 小田　昌宏