2017 Fiscal Year Research-status Report
AIによる臨床画像診断を目指すための複合ディープラーニングネットワークの開発研究
| Project/Area Number |
17K10385
|
|---|
| Research Institution | National Institutes for Quantum and Radiological Science and Technology |
|---|
Principal Investigator |
立花 泰彦 国立研究開発法人量子科学技術研究開発機構, 放射線医学総合研究所 分子イメージング診断治療研究部, 主任研究員(定常) (20749973)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
相田 典子 地方独立行政法人神奈川県立病院機構神奈川県立こども医療センター(臨床研究所), 臨床研究所, 部長 (20586292)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 機械学習 / 可視化 / ディープラーニング / ニューラルネットワーク / 分類学習 / MRI / 脳 |
|---|
| Outline of Annual Research Achievements |
研究計画に従い、提案技術の開発に取り組んだ。
１．開発を進めていくために必要な画像データおよび関連情報の一部としてHuman Connectome Projectなどの外部機関より必要なデータの抽出と収集を行った。また、次年度以降にさらに研究開発を推進するために必要な独自のデータベース（健常小児の脳MRI画像データベース）作成を連携研究者らと共同で開始した。
２．本研究で提案する並列学習法は、学習させるべき画像に複数通りの前処置を行い、それらを平行に学習させることで学習の要点を抽出しようとするものである。この「複数通りの前処置」を自動的に行うためのソフトウェアのプロトタイプを開発した。具体的な機能の例として、このソフトウェアは脳MRI画像から脳の領域を認識し、解剖学的な特徴をキーとして皮質・皮質下白質領域、深部白質領域などの任意の領域をランダム、かつ自動的に切り出す（サブサンプリングする）ことができる。
３．並列学習の根幹部となる並列学習ネットワークのプロトタイプを実装した。 １．で収集したデータである健常成人の脳MRI画像を２．で開発したソフトウェアで処理し、この並列学習ネットワークで被撮像者の年齢を分類する機械学習を行った。この場合では、学習材料として与える部位によって得られる識別能が変化することがわかり、どのような情報が重要であったかがその違いから推測できると考えられた。すなわち、当初の期待通り、提案した手法により学習要点の抽出を行うことができる可能性を具体的な例により示すことができた。
４．以上の成果を国際学会および国内学会で段階的に発表した。その際には学会賞を受賞するなどの高い評価を受けた。また、商業誌に本研究の目的やアイディアを紹介する記事を執筆した。
５．本年度の成果を英語論文とし、国際誌に投稿中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の研究計画にそって研究が進捗しており、かつ、その成果を対外的に発表することもできているため。
|
| Strategy for Future Research Activity |
・本年度開発した機能をより一般化、高度化する。そのために必要な画像データや関連データの収集、およびそれらを用いた開発研究を引き続き行う。
・画像の特徴抽出を行う機能をより高効率とするための工夫を、実装・実証を通して研究開発する。
・上記に対して、付加的な情報（臨床検査など）を画像情報統合して学習する機能を実装する。
・得られた成果を学会発表や論文化を通じて随時公開する。
|
| Causes of Carryover |
本年度に必要と計画した必要物品（コンピューターなど）の一部を他課題と共用することにより使用予算を削減することができた。つまり、本課題は機械学習に関するものであるため、計算能力の高いGPUサーバーや、多量のデータを保存したりGPUサーバーに送るファイルサーバー、CPUを用いた計算を高速に行うためのCPUサーバーなど多数の高性能コンピューターを必要とする。しかし、このようなコンピューター技術の発展は昨今著しいため、可能な限りその時点で必要な最低限のコンピューターを購入し、不足に応じて随時追加していく方法が予算を効率よく使うために最も望ましい。このため上記のような効率化を行った。
差額は来年度以降に不足する高性能コンピューターの追加購入等にあてる予定である。
|
