大局的形状を考慮可能な新しいBoostingアルゴリズムの提案と評価

摘要

従来のアンサンブル学習に基づく臓器セグメンテーションでは，各画素独立した判別を行うため形状的に不自然な誤りが発生していた．そこで本研究では，大局的な形状情報を評価する項を直接損失関数の中に入れることで，誤りに関する損失だけでなく形状に関する損失も同時に最小化する学習アルゴリズムを提案する．具体的には，形状損失項として，学習の途中の抽出結果とそれを形状分空間へ投影逆投影したときの画像の差分の2乗とした．この項も含めた損失全体を小さくすることで，抽出結果が統計的に妥当な形に近づくと考えられる．本論文ではまず，人工画像を用いて提案手法の基本的な効果について確認する．その後，3次元CT像に適用した結果について示しながら，形状損失を考慮しない場合と比較して有効性について考察する．