2018 Fiscal Year Research-status Report
Project/Area Number |
18K15542
|
Research Institution | The University of Tokyo |
Principal Investigator |
八坂 耕一郎 東京大学, 医科学研究所, 助教 (40779659)
|
Project Period (FY) |
2018-04-01 – 2022-03-31
|
Keywords | 深層学習 / 肝線維化staging |
Outline of Annual Research Achievements |
本年度はまず、グラフィックスプロセッシングユニットgraphics processing unit (GPU)を搭載したワークステーションを導入し、深層学習を行うためのプログラミング環境設定および、深層学習に関するGenerative adversarial network (GAN)やGradient-weighted Class Activation Mapping (Grad-CAM)、ハイパーパラメータ適正化、などといった発展的な手法の実装を行った。深層学習の概念や実装の経験について、講演発表を行った。 続いて、肝臓CT画像から、肝線維化ステージングを行うための深層学習モデルを開発した。肝線維化の程度は、新犬山分類をもとにF0(正常肝)からF4(肝硬変)にまで分類されるが、肝線維化の進行は門脈圧亢進症や肝細胞癌の発生と関連しており、その診断は重要である。しかし、CT画像の視覚的評価では肝線維化stagingを行うことは困難であった。肝表部分を拡大した造影門脈相CT画像を入力用データ、病理組織学的に評価された新犬山分類データを教師データとして教師あり深層学習を行った。深層学習においては、過学習の問題が知られているので、学習用データにより学習を行い、学習用データとは別に準備をした検証用データを用いて、作成されたモデルの性能の検証を行った。開発したモデルを用いることで、F2以上、F3以上、F4以上の肝線維化をそれぞれReceiver operating characteristic解析における曲線下面積area under the curve (AUC) = 0.74, 0.76, 0.73で、ステージングすることが可能であった。当該研究結果について、学会発表や論文発表を行った。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
予定通り、GPU搭載ワークステーションにおける深層学習開発環境の実装を行うこと、および、肝臓CT画像から肝線維化stagingを行う深層学習モデルの開発を行うことができたため。
|
Strategy for Future Research Activity |
深層学習の手法を、腹部領域放射線画像診断のその他の課題へと応用するため、課題の検討およびデータ収集を継続して行っていく。
|
Causes of Carryover |
学会発表に用いるためのポスター作製が当初予定していたより安価に発注することができたため。翌年度分として請求した助成金と合わせて、腹部画像診断に関する深層学習モデルをより多く開発していくための文献調達・学会発表・論文発表の必要経費として用いる。
|
Research Products
(3 results)