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 >>

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

Extraction of membrane structure in eyeball from MR volumes

Masahiro Oda, Kin Taichi, Kensaku Mori

SPIE Medical Imaging, 2017 2017年2月11日

Endocytoscope image classification using deep convolutional neural networks

Masahiro Oda, Yutaka Hoshiyama, Masashi Misawa, Yuichi Mori, Kenichi Takeda, Sin-ei Kudo, Kensaku Mori

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

CT 像から抽出した腹部動脈領域におけるCNN を用いた過検出削減でのパッチ画像生成手法の検討国際会議

小田昌宏, 山本徳則, 吉野能, 森健策

第36回日本医用画像工学会大会(JAMIT2017) 2017年7月27日

Colonoscope tracking method based on shape estimation network

Masahiro Oda, Holger R. Roth, Takayuki Kitasaka, Kazuhiro Furukawa, Yoshiki Hirooka, Nassir Navab, Kensaku Mori

SPIE Medical Imaging 2019 2019年2月16日

記述言語：英語会議種別：口頭発表（一般）

開催地：アメリカ，サンディエゴ

This paper presents a colonoscope tracking method utilizing a colon shape estimation method. CT colonography is used as a less-invasive colon diagnosis method. If colonic polyps or early-stage cancers are found, they are removed in a colonoscopic examination. In the colonoscopic examination, understanding where the colonoscope running in the colon is difficult. A colonoscope navigation system is necessary to reduce overlooking of polyps. We propose a colonoscope tracking method for navigation systems. Previous colonoscope tracking methods caused large tracking errors because they do not consider deformations of the colon during colonoscope insertions. We utilize the shape estimation network (SEN), which estimates deformed colon shape during colonoscope insertions. The SEN is a neural network containing long short-term memory (LSTM) layer. To perform colon shape estimation suitable to the real clinical situation, we trained the SEN using data obtained during colonoscope operations of physicians. The proposed tracking method performs mapping of the colonoscope tip position to a position in the colon using estimation results of the SEN. We evaluated the proposed method in a phantom study. We conrmed that tracking errors of the proposed method was enough small to perform navigation in the ascending, transverse, and descending colons.

researchmap

Automated eye disease classification method from anterior eye image using anatomical structure focused image classification technique 国際会議

Oda M

Progress in Biomedical Optics and Imaging - Proceedings of SPIE 2020年 Progress in Biomedical Optics and Imaging - Proceedings of SPIE

AIプログラミング基礎編，AIプログラミング実践編招待有り国際会議

小田昌宏

えひめAI・IoT研究会技術セミナー 2019年4月6日愛媛県経済労働部産業支援局

AIを活用した画像処理について招待有り国際会議

小田昌宏

えひめAI・IoT研究会技術セミナー 2019年4月6日愛媛県経済労働部産業支援局

　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