3:20 PM - 3:40 PM
[2N4-J-13-01] Advantages of 3D-ResNet in Cerebral Aneurysm Detection using MRA Images
Keywords:Cerebral Aneurysm, Magnetic Resonance Angiography, 3D Convolutional Neural Networks
脳動脈瘤はくも膜下出血と呼ばれる重大疾患の主要因であり,破裂すると多くの場合死に至るため,医師の診断による早期発見・治療が求められる.
医師の診断を支援する目的として,これまでに,磁気共鳴血管画像(Magnetic Resonance Angiography; MRA)を用いて脳動脈瘤を自動検出する機械学習手法がいくつか提案されている.
近年では,画像認識タスクで広く利用されてる畳み込みニューラルネットワーク(Convolutional Neural Networks; CNN)を用いた脳動脈瘤検出手法が提案されており,高い精度で瘤を検出できることで知られている.
これまでに提案されているCNNを用いた脳動脈瘤検出手法は,いずれも2次元画像を入力としたネットワーク構成となっており,動脈の屈折部に隠れた瘤が正確に検出することが難しいという問題があった.
そこで本研究では,入力として2次元画像を用いたネットワークと3次元ボクセルを用いたネットワークで検出感度を比較し,その精度を評価する.
実験の結果,2Dネットワークと比較し3Dネットワークでは,高い検出感度で少ない誤検出率を達成した.
医師の診断を支援する目的として,これまでに,磁気共鳴血管画像(Magnetic Resonance Angiography; MRA)を用いて脳動脈瘤を自動検出する機械学習手法がいくつか提案されている.
近年では,画像認識タスクで広く利用されてる畳み込みニューラルネットワーク(Convolutional Neural Networks; CNN)を用いた脳動脈瘤検出手法が提案されており,高い精度で瘤を検出できることで知られている.
これまでに提案されているCNNを用いた脳動脈瘤検出手法は,いずれも2次元画像を入力としたネットワーク構成となっており,動脈の屈折部に隠れた瘤が正確に検出することが難しいという問題があった.
そこで本研究では,入力として2次元画像を用いたネットワークと3次元ボクセルを用いたネットワークで検出感度を比較し,その精度を評価する.
実験の結果,2Dネットワークと比較し3Dネットワークでは,高い検出感度で少ない誤検出率を達成した.