2020 Fiscal Year Annual Research Report
Development of cytological diagnosis aiding platform
| Project/Area Number |
18K15310
|
|---|
| Research Institution | University of Yamanashi |
|---|
Principal Investigator |
川井 将敬 山梨大学, 医学部附属病院, 臨床助教 (00813239)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 細胞診 / 深層学習 / AI |
|---|
| Outline of Annual Research Achievements |
平成30年度は細胞診画像の収集と共に深層学習アルゴリズムによる学習を行った。学習データは山梨大学医学部附属病院で採取された甲状腺細胞診の検体を用い、バーチャルスライドスキャナ( VS-120, Olympus)で撮影を行った。症例は甲状腺乳頭癌が7例, 非乳頭癌が6例。いずれも細胞診後に切除され組織学的に最終診断をされている。その中からトレーニングデータとテストデータに分割した。撮影されたデータはちょうど良いサイズに切り取り、反転などの画像を水増しする処理を行い機械学習用のデータセットを構築した。深層学習はKeras (TensorFlowベース) で行い、モデルはオリジナルモデル（畳み込み→バッチ正則化→畳み込み→バッチ正則化→ドロップアウト→全結合層→ドロップアウト→全結合層→ソフトマックス）、VGG16、GoogLeNet、Xceptin、InceptionV3、ResNet50を用いた。症例が少なかったため乳頭癌と非乳頭癌という２値分類問題とした。オリジナルモデルとfine-tuningを行ったResNet50に置いて、テストデータで正答率98%程度と良好な結果が得られた。一部の画像は非乳頭癌であったが間違って、乳頭癌と診断されてしまったため、改善策を検討中である。その結果を第107回日本病理学会総会において「畳み込みニューラルネットワーク(ConvNet)を用いた甲状腺細胞診自動診断の試み」というポスターにまとめ発表した。
平成31年度(令和1年度）は細胞診の画像に加えて組織画像を敵対的生成的ネットワーク（GAN）を用いて細胞診画像の診断に利用できないかどうか検討した。
令和2年度は様々なAIの手法を用いつつ性能向上や汎用性向上に取り組んだ。
|
