| Project/Area Number |
19H03599
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Gifu University |
|---|
Principal Investigator |
Fujita Hiroshi 岐阜大学, 工学部, 特任教授・名誉教授 (10124033)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
西尾 瑞穂 神戸大学, 医学部附属病院, 特定助教 (50581998)
村松 千左子 滋賀大学, データサイエンス学部, 准教授 (80509422)
八上 全弘 京都大学, 医学研究科, 特定講師 (70580108)
坂本 亮 京都大学, 医学研究科, 特定助教 (50741930)
富樫 かおり 京都大学, 医学研究科, 教授 (90135484)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥17,680,000 (Direct Cost: ¥13,600,000、Indirect Cost: ¥4,080,000)
Fiscal Year 2021: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2020: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2019: ¥9,230,000 (Direct Cost: ¥7,100,000、Indirect Cost: ¥2,130,000)
|
|---|
| Keywords | 計算機支援画像診断 / 深層学習 / 画像データベース / 胸部CT画像 / 導入後学習 / 胸部画像 / 自己学習 |
|---|
| Outline of Research at the Start |
本研究では，敵対的生成ネットワーク（GAN）モデルを用いた医用画像データベースの構築と，生成画像データによる自己学習型画像診断支援システムの開発を行う．具体的には，胸部CT画像を対象とし，特定の画像所見を持つという条件を満たした肺結節画像の生成法の開発を行い，また，生成データ及び新規ラベル無データを用いた追加学習法の検討を行う．成果として，画像診断精度の向上，及び生成データと学習モデルの公開による本研究分野の発展への貢献が期待される．
|
| Outline of Final Research Achievements |
As basic research on the construction of a computer-assisted image diagnosis (so-called AI-CAD) system equipped with AI, a solution to the lack of medical image data necessary for learning to obtain a deep learning (deep learning) type AI model with high accuracy. Basic research on (1) research on the possibility of generating three-dimensional CT images of lung nodules, (2) research on the effectiveness of research results, (3) research on pursuit of realism, and (4) continuous learning (post-marketing learning) was mainly carried out. As a result, it was shown that it is possible to form a realistic lung nodule image that is effective in a certain range based on the Generative Adversarial Networks (GAN technique). In addition, new findings were obtained by simulation study for the three update methods for continuous learning.
|
| Academic Significance and Societal Importance of the Research Achievements |
医用画像診断を目的としたディープラーニング搭載の最新のコンピュータ支援診断（いわゆるAI-CAD）システムの構築に対して，モデル学習時に最も障害となる医療画像データ不足があり，これはAI-CADシステムの精度向上を阻む一要因である．本研究で開発した画像生成技術によってそれを補うことにより，システムの精度向上の一躍を担う可能性が示され，さらに継続学習に対して得られた新たな成果により，本研究領域において学術的にはもちろん，すでに実用化が始まりつつあるシステムの性能向上に向けても，本知見は少なからず寄与できるであろう．
|
