2018 Fiscal Year Research-status Report
網膜層厚組み込みVariational Bayes線形法による短時間視野計測法
| Project/Area Number |
17K11418
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
朝岡 亮 東京大学, 医学部附属病院, 助教 (00362202)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 深層学習 / 視野 / 緑内障 |
|---|
| Outline of Annual Research Achievements |
深層学習（ディープラーニング）は、最近注目を集めている機械学習法の一つ、これまでの他の機械学習法に比べ、診断・予測精度が良いことが知られている。しかしその最大の欠点は、良い精度を得るのに通常大量のデータを必要とする点である。Transfer Learning（転移学習）はその欠点を補う手法で、訓練データの数が少ない場合に、これと別に異質の大量の予備訓練データを用意して、深層学習アルゴリズムを予備学習してから訓練データを用いて本訓練をする手法である。本研究では1565眼の開放隅角緑内障（OAG）眼と193眼の正常眼による4316枚の光干渉断層計（OCT）画像（RS3000, Nidek） を用いて予め深層学習アルゴリズムを予備訓練しておいてから、94眼の早期OAG眼（Mean Deviation > -5.0dB）と84眼の正常眼のOCT画像（OCT-1000/2000, Topcon）で本訓練し、その診断精度を114眼の早期OAG眼と82眼の正常眼を用いて検証した。この結果得られた受信者操作特性曲線下面積は 94 %で、予備訓練を行わない場合（77～79 %）や他種の機械学習法（67～82%）よりも有意に大きかった。本研究の結果、OCTを用いて緑内障を診断するのに 深層学習が有用で、特に訓練データが少ない場合には、転移学習を行う事が有用であることが分かった（Asaoka R et al. American J Ophthalmol 2019）。
今後更に視野、光干渉断層計のデータ収集を進め、視野予測モデルの構築を行う。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
深層学習を用いて光干渉断層計を解析し、早期視野例の緑内障診断を行うモデルを構築・検証し、国際的に初めて報告した。視野、光干渉断層計の更なるデータ収集は順調に進行している。
|
| Strategy for Future Research Activity |
視野、光干渉断層計の更なるデータ収集を更に推進し、視野予測モデルを構築する。
|
| Causes of Carryover |
データ収集に伴う人件費などの費用、成果発表・報告費、モデル構築に伴う経費に使用予定。
|
-
-
-
[Journal Article] Using Deep Learning and transfer learning to accurately diagnose early-onset glaucoma from macular optical coherence tomography images2019
Author(s)
Asaoka R, Murata H, Hirasawa K, Fujino Y, Matsuura M, Miki A, Kanamoto T, Ikeda Y, Mori K, Iwase A, Shoji N, Inoue K, Yamagami J, Araie M
-
Journal Title
Am J Ophthalmol
Volume: 198
Pages: 136-145
DOI
Peer Reviewed / Int'l Joint Research
-
-
-
-
-
-
-
-
-
