2019 Fiscal Year Annual Research Report
Development of image biomarker for the diagnosis of lung cancer in PET/CT and pathological images
| Project/Area Number |
17K09070
|
|---|
| Research Institution | Fujita Health University |
|---|
Principal Investigator |
寺本 篤司 藤田医科大学, 保健学研究科, 教授 (00513780)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
塚本 徹哉 藤田医科大学, 医学部, 教授 (00236861)
今泉 和良 藤田医科大学, 医学部, 教授 (50362257)
外山 宏 藤田医科大学, 医学部, 教授 (90247643)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 深層学習 / 肺がん / 鑑別 / 敵対的生成ネットワーク |
|---|
| Outline of Annual Research Achievements |
本研究では，鑑別診断で撮像するPET/CT画像と，確定診断で撮影する顕微鏡画像を用いて，医師の知識に基づく情報処理と深層学習によって疾患の特徴を表す画像特徴量を算出し，それぞれの診断で利用することにより，精度の高い診断を実現する技術を開発する。
昨年までの検討によって、PET/CT画像と細胞診画像を用いて良悪性を鑑別する手法を開発し、その有効性について評価が完了した。さらに分類精度を高めるには、症例数を増加させて畳み込みニューラルネットワーク（CNN)を学習させる必要がある。ところが、良悪性の確定には長期間の経過観察が必要であり、大幅な症例数の増加は望めない。そこで、本検討では深層学習アルゴリズムの一つであり、仮想的に画像生成を行う敵対的生成ネットワーク（GAN)を導入し、仮想的に症例数を増加させて、良悪性鑑別性能が向上するかどうか検討した。本検討では初期的な検討として、CT画像と病理画像の生成を対象とした。CT画像のGANによる生成では、結節の２次元断面を生成する２次元GANと、結節の３次元像を直接生成する３次元GANを導入した。また、病理画像については、高解像度画像を生成可能なPGGANを用いて画像生成を行った。そして、生成された画像と実画像を用いて良悪性を分類するCNNの学習を行った。
実症例を用いて分類精度を評価した結果、GANによって生成した画像を併用した結果のほうが３～５％程度分類精度が高いことが明らかとなった。これらの成果は４本の査読付き英語論文にて公表済みである。
|
Research Products
(14 results)
