Software for automated diagnosis of upper gastro-intestinal examination with contrast media

• Project/Area Number: 22K07728
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Tokai University
• Principal Investigator: 橋本 順 東海大学, 医学部, 教授 (20228414)
• Co-Investigator(Kenkyū-buntansha): 彌冨 仁 法政大学, 理工学部, 教授 (10386336) ; 野村 敬清 東海大学, 医学部, 助教 (80749549)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2022)
• Budget Amount: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000); Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2022: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
• Keywords: 人工知能 / Deep Learning / 胃癌 / 自動診断 / 上部消化管造影

Outline of Research at the Start

上部消化管造影検査は胃癌や食道癌の発見に有用な手段であり、広く行われている。しかし上部消化管造影検査は習得に長期の修練が必要となるため、画像診断医にとって大きな負担となり、読影の質の維持が難しい。近年深層学習（Deep Learning）の発達により、人工知能を用いた画像診断能力が急速に上昇しており、上部消化管造影検査の自動診断を行う人工知能の開発も可能と考える。本研究では、上部消化管造影検査画像の診断において、画像診断医や臨床医の補助となるコンピュータ支援診断システムを開発し、画像診断医の業務低減と上部消化管造影検査の診断能を向上させることをめざしている。

Outline of Annual Research Achievements

今回われわれは胃癌の自動診断において、refined stochastic gastric image augmentation (R-sGAIA) と hard boundary box training (HBBT)という新しい2つの手法を組み入れることで、診断制度を上げ、かつ画像の結果のみではなく、胃癌病変の候補となる部位を矩形の枠で囲んで表示するシステムを作成した。R-sGAIAは既存の医学的知識をベースに胃の皺壁を確率論に基づいて強調することで,胃癌の検出効率の向上を手法であるHBBTは所見が陰性のサンプルを積極的に用いることで、偽陽性を抑える手法で、あらたに導入したものである。このシステムを145人の症例から得られた4,724の造影画像に適用したところ、胃癌のスクリーニングにおいてF1: 57.8 %, recall: 90.2 %, precision: 42.5 %という結果が得られ、従来の方法と比較した際の改善が確認された。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

今回の研究補助開始前より研究を進めていたことが効いている。

Strategy for Future Research Activity

この研究をさらに発展させるべく、多段の識別器を模索するとともに、近年の新しい技術をさらに導入してシステムのブラッシュアップを図っていきたい。