敵対的生成ネットワークによる乳房超音波画像を生成し教育や研究への応用を目指す研究
Project/Area Number |
21K15800
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 52040:Radiological sciences-related
|
Research Institution | Tokyo Medical and Dental University |
Principal Investigator |
藤岡 友之 東京医科歯科大学, 東京医科歯科大学病院, 准教授 (60771631)
|
Project Period (FY) |
2021-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
Keywords | 超音波 / 乳腺画像診断 / 人工知能 / 敵対的生成ネットワーク / 乳癌 / 生成画像 / 画像診断 / 医学教育 |
Outline of Research at the Start |
医療画像の収集、保持は個人情報の保護や患者の同意を得ることが必要となるため莫大な 労力や費用が必要となる。敵対的生成ネットワークという本物そっくりの仮想画像が作成できる深層学習の手法を医療画像への応用することで、効率よく画像データを生成し、教育や研究に応用することが期待されている。 本研究ではGANを用い乳房超音波の生成画像を作成し、本物の画像との相違点や人工知能 の作り出す画像の特徴を解析することで精度の高い生成画像を作成できる方法を確立する。更には生成画像を画像診断医の教育や人工知能を使った画像研究へ応用しその効果を検証し、有効な利用方法を提案する。
|
Outline of Annual Research Achievements |
過去に東京医科歯科大学病院で撮影された超音波検査の画像データ(合計約2000症例)を取得し、病理組織ごとに振り分けを行った。DCGAN (Deep Convolutional Generative Adversarial Network)とよばれる、畳み込みニューラルネットワーク使いたモデルをベースに、乳腺超音波の生成画像モデルを用い、組織ごとに生成画像を作成した。 生成画像の画質を評価し、層の数、ノード数、活性化関数・バッチサイズなどを調整し、学習率が良くノイズ、ドロップアウト率の少ない画像生成を行える条件を決定した。 作成された生成画像は放射線科医により評価され、人工知能が作成した画像の特徴量を抽出した。現在人工知能の作成する画像はどのような特徴があるのかについて多方面より検証している。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
初年度に新型コロナウイルス感染症蔓延があり、学習データの収集やパラメーターの設定に時間がかかってしまった。現在、予定していた学習データはほぼ収得できており、適切なパラメーターも定まってきた。
|
Strategy for Future Research Activity |
人工知能が作成する生成画像の特徴を多方面から検証し、正常画像との相違点を解明する。また、組織ごとに特徴とされている画像所見との関連性についての調査を行う。 今後は読影実験を行い生成画像を教育や研究用として有効的に利用できる方法を提案することを目標としている。
|
Report
(2 results)
Research Products
(2 results)