@article{oai:doshisha.repo.nii.ac.jp:00028686,
 author = {山川, 蒼平 and Yamakawa, Sohei and 古我知, 亮弥 and Kogachi, Ryoya and 小野, 景子 and Ono, Keiko and 槇原, 絵里奈 and Makihara, Erina and 矢口, 瑛貴 and Yaguchi, Akitaka and 田原, 大輔 and Tawara, Daisuke},
 issue = {4},
 journal = {同志社大学ハリス理化学研究報告, The Harris science review of Doshisha University},
 month = {Jan},
 note = {医用画像のセマンティックセグメンテーションは、人手を介さずにピクセルとラベルを関連付けることを目的としている。深層学習を用いるには、大量の教師画像データが不可欠であるが、多くの場合で利用できない。本研究では、様々なフィルタを用いた効率的なデータの水増し法を検討した。実験結果は、ガウシアンフィルタとメディアンフィルタの組み合わせが、骨画像のセマンティックセグメンテーションに適していることを示した。, Semantic segmentation of medical images aims to associate a pixel with a label in a medical image without human interaction. The success of semantic segmentation using deep learning techniques is contingent on the availability of a large amount of imaging data with corresponding labels provided by experts. In contrast, a large amount of labeled medical image data is not available in many cases. In this study, we investigate an efficient data augmentation method using various filters. The experimental results showed that the combination between Gaussian and Median filters is adequate for semantic segmentation for bone images., application/pdf},
 pages = {213--218},
 title = {医用画像セグメンテーションのための画像水増し法の検証},
 volume = {62},
 year = {2022},
 yomi = {ヤマカワ, ソウヘイ and コガチ, リョウヤ and オノ, ケイコ and マキハラ, エリナ and ヤグチ, アキタカ and タワラ, ダイスケ}
}