ブースティングによる3次元造影CT像からの転移性肝腫瘍抽出処理

摘要

造影CT像上の転移性肝腫瘍の濃度分布や位置などの特徴は様々であり，単一の処理のみで対応することは難しい．本研究では，性能の低い弱セグメンテーション処理を多数作成し，それらをブースティングアルゴリズムにより組み合わせる（学習させる）ことで高精度．かつロバストなセグメンテーション処理を開発した．本文では，まず，セグメンテーションの学習アルゴリズムを一般的なU-Boostの場合について示す．次に，性質の異なる複数の損失関数を用いて実際に腫瘍抽出処理を学習させた結果をCross-Ⅴ山idation法により評価し，その結果に基づいて損失関数の得失について議論する．%Since metastatic liver tumors in contrast enhanced CT images have wide variations in characteristics of CT values and locations, a single process is prone to fail in extracting the tumors. In this study, we developed an accurate and robust segmentation process by combining many weak segmentation processes using a boosting algorithm. This paper shows an algorithm to train the ensemble segmentation process in terms of U-Boost. It carries out the training process using several kinds of loss functions and evaluates the performance of the generated seg mentation processes by a 10-fold cross-validation followed by the discussion about the advantage and disadvantagernof the loss functions.