2019 Fiscal Year Research-status Report
人工知能を応用したわが国における個別化乳癌検診の実践
| Project/Area Number |
18K07736
|
|---|
| Research Institution | Kindai University |
|---|
Principal Investigator |
浅井 義行 近畿大学, 大学病院, 技術職員 (30639307)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山室 美佳 近畿大学, 大学病院, 技術職員 (90837866)
村上 卓道 神戸大学, 医学研究科, 教授 (20252653)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | ディープラーニング / U-Net / ロス関数 / ダイス係数 / 乳腺密度予測 / 重回帰式 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、我が国における個別化乳癌検診の実践を支援することである。当該年度における実績を以下に記す。
まず第１番目の実績は、昨年度に導入を開始した人工知能アルゴリズムの一種ディープラーニングの精度を実用化に向けて向上させたことである。乳房X線画像の乳腺密度のグレードは４段階に分かれ、それぞれに特徴が異なる。そこで、高濃度群と非高濃度群に分けたうえで教師データを作成しコンピュータに学習させることで乳腺領域の自動抽出精度を向上させることができた。さらに、ディープラーニングを実行する際のロス関数を一般的なクロスエントロピピーからダイス係数に変更することで乳腺領域抽出精度が顕著に向上することを見出した。
２番目の実績は、被験者の身体特性および生育歴情報を利用して、マンモグラフィを撮影する前、すなわちX線被ばくを与える前に乳腺密度を予測する重回帰式を構築したことである。この式を用いることで、乳腺密度の全変動の62％を、平均乳腺線量の56％を予測可能であることを示した。
以上の実績により、我が国における個別化乳癌検診の実践に向けて技術的な準備を進展させることができたと考える。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
3年計画において2年が経過したが、おおむね当初の予定通りの進展である。初年度はディープラーニングの導入から立ち上げに時間を要したが、今年度は乳房領域の自動抽出の実践において成果を挙げ実用モデルの構築を行った。あとは研究期限まで患者データの収集を続け、少しでも多くのトレーニングデータを使用することでモデルの精度を上げれば高精度な乳腺密度自動解析システムを構築できるものと考える。
|
| Strategy for Future Research Activity |
ディープラーニングの精度はトレーニングに用いるデータ量に顕著に依存する。当初は3000例程度の乳房画像の使用を予定していたが、今後は患者データ収集に加え、データ量を増やすためのオーギュメンテーションの検討にも力を注ぎ、我々の研究目的に適した画像量増加を行っていきたい。
|
| Causes of Carryover |
所属が変更となった研究分担者の配分金一部未使用があったこと、および新型コロナウィルスの影響で今年度末に予定されていた学会が相次いで中止となったことから、次年度への繰越金を生じた。研究自体は順調に遂行しているので、次年度は今年度分も含めた積極的な学会発表を行う。
|
-
-
[Journal Article] Segmentation of glandular area in clinical mammograms using2019
Author(s)
M. Yamamuro, Y. Asai, N. Yasuda, K. Yamada, K. Sakaguchi, T. Konishi, Y. Ozaki, M. Matsumoto, T. Murakami
-
Journal Title
INternational Journal of Computer Assisted Radiology and Surgery
Volume: 14, suppl. 1
Pages: 115, 116
Peer Reviewed
-
-
-
-
