2017 Fiscal Year Annual Research Report
Medical image analysis of abdominal X-ray CT images by hybrid deep neural network of deep logistic GMDH-type neural network and convolutional neural network
| Project/Area Number |
15K06145
|
|---|
| Research Institution | The University of Tokushima |
|---|
Principal Investigator |
上野 淳二 徳島大学, 大学院医歯薬学研究部(医学系), 教授 (60116788)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
近藤 正 徳島大学, 大学院医歯薬学研究部(医学系), 名誉教授 (80205559)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | ニューラルネットワーク / ＧＭＤＨ / ＭＤＣＴ / 医用画像診断 / CAD |
|---|
| Outline of Annual Research Achievements |
深層学習(ディープラーニング)の一種であるコンボリューショナルニューラルネットワーク(CNN)とDeep GMDH-type ニューラルネットワークを組合せ高精度な医用画像解析を行うHybrid型ディープニューラルネットワークを開発し、これを組み込んだコンピュータ支援画像診断(CAD)システムを開発した。今年度は腹部X線CT画像に対し (1)ディープ多層構造型GMDH-typeニューラルネットワークとCNNによるHybrid型ディープニューラルネットワークを用いた脾臓領域の医用画像認識、(2)ディープロジスティックGMDH-typeニューラルネットワークとCNNによるHybrid型ディープニューラルネットワークを用いた肝臓がんの候補領域抽出を行った。
これらX線CT画像解析では、コンピュータ内部に自己組織したHybrid型ディープニューラルネットワークを用いて、(1)では臓器の画像認識とその領域抽出、(2)では肝臓がんの候補領域抽出を行った。具体的には、CT画像のピクセル値を入力してCNNを用いて画像特徴量を発生させた。発生させた画像特徴量と従来から用いられている医用画像の特徴量を合わせて、Deep GMDH-typeニューラルネットワークの入力変数にした。Deep GMDH-type ニューラルネットワークは、有益な入力変数の自己選択機能を備えており、CT画像解析に有益な画像特徴量を自己選択した。その画像特徴量を用いて、予測誤差評価基準（情報量基準AICや予測平方和PSS）を最小にするようCT画像の解析に適したディープニューラルネットワーク構造を自己組織した。自己組織化したディープニューラルネットワークを用いて腹部臓器や肝臓がんの画像認識とその領域抽出を行った。これら研究より、開発したHybrid型ディープニューラルネットワークがCT画像の解析に有効であることを確かめた。
|
