2019 Fiscal Year Annual Research Report
三次元CT画像を用いた多様な肺疾患対応の統合型コンピュータ支援診断システムの開発
| Project/Area Number |
17H02110
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
木戸 尚治 大阪大学, 医学系研究科, 特任教授(常勤) (90314814)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岡田 宗正 山口大学, 医学部附属病院, 准教授 (70380003)
間普 真吾 山口大学, 大学院創成科学研究科, 准教授 (70434321)
金 亨燮 九州工業大学, 大学院工学研究院, 教授 (80295005)
平野 靖 山口大学, 大学院創成科学研究科, 准教授 (90324459)
岩野 信吾 名古屋大学, 医学系研究科, 准教授 (90335034)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | コンピュータ支援診断 / ディープラーニング |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，人工知能研究で注目されているディープラーニング技術を用いて多様な肺疾患を対象として多列検出器型CT（MDCT）装置から得られる高精細な三次元画像データを利用した従来手法と比較して精度が高くロバストなコンピュータ支援診断（CAD）システムの開発をおこなうことであった．
びまん性肺疾患に対しては、U-Netを用いて各陰影パターンに対する領域抽出をおこなった．また， Residual Unitを導入して深い層における学習の問題を改善したResidual U-Netも用いた．対象とした陰影は浸潤影，すりガラス陰影，蜂巣肺，肺気腫，粒状影の5つの陰影と正常肺である．結果は放射線科医のアノテーションと良く一致しており，すべての陰影におけるDice係数の平均はU-Netの場合0.848±0.071，Residual U-Netの場合0.872±0.053と良好な一致がえられた．
ディープラーニングにおいては，数万の学習データが必要となる場合もあり大変な労力が必要であり、正解ラベルをつける作業の必要のない教師なし学習とよばれる手法が提案されている． 高分解能CT画像のびまん性肺疾患陰影に対して，教師なし学習を用いて正常を含む6パターンに分類した結果は72.8%であった．
肺結節に対しては、DeconvNetとV-Netを用いた領域抽出をおこなった．学習用画像としては放射線科医の指導のもとにアノテーションされて画像を用い，入力としては肺結節を中心として128×128×64画素に切り出されたものを用いた．DeconvNetとV-Netの抽出結果は，放射線科医によるアノテーションとよく一致し，Dice係数ではそれぞれ0.740±0.012，0.810±0.016であった．
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
Research Products
(53 results)
-
-
-
-
-
-
-
[Journal Article] Detection of Active Inflammation Status Around Ventricular Aneurysms in Patients With Cardiac Sarcoidosis.2019
Author(s)
Takuma Nanno, Shigeki Kobayashi, Ryosuke Yoshitomi, Shohei Fujii, Toshiro Kajii, Michiaki Kohno, Hironori Ishiguchi, Shinichi Okuda, Munemasa Okada, Kazuyoshi Suga, Masafumi Yano
-
Journal Title
Circulation Journal
Volume: 83
Pages: 2494-2504
DOI
Peer Reviewed
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
