2021 Fiscal Year Annual Research Report
多様性肺結節データベースの構築と自己学習型画像診断支援システム開発の基礎研究
| Project/Area Number |
19H03599
|
|---|
| Research Institution | Gifu University |
|---|
Principal Investigator |
藤田 廣志 岐阜大学, 工学部, 特任教授・名誉教授 (10124033)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
西尾 瑞穂 神戸大学, 医学部附属病院, 特定助教 (50581998)
村松 千左子 滋賀大学, データサイエンス学部, 准教授 (80509422)
八上 全弘 京都大学, 医学研究科, 特定講師 (70580108)
坂本 亮 京都大学, 医学研究科, 特定助教 (50741930)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 計算機支援画像診断 / 深層学習 / 画像データベース / 胸部CT画像 / 導入後学習 |
|---|
| Outline of Annual Research Achievements |
１．京都大学の肺結節データベースを用いて，多様性のある肺結節の3次元CT画像の「生成」への取組を継続して行った．まず，このデータベースから1000例の肺結節の3次元CT画像を用い，肺結節の特徴（放射線科の所見）とCT画像を入力とする改変版3D pix2pixのネットワークを訓練（学習）し，肺結節の生成モデルを作成した．次に，上記とは別に100例の肺結節をデータベースから選んで訓練済みのモデルを適応したところ，入力する肺結節の特徴を変更することで，サイズの比較的大きな３cmを超える肺結節を生成することが可能となり，すりガラスの肺結節なども生成することができた．なお，生成された肺結節を放射線科医が視覚評価したところ，生成されたCT画像の質は十分高いとは言えず，この点については課題が残った．
２．診断支援システムが実際に臨床現場に導入されたのち新しく収集されたデータを用いてシステムの性能向上を図る，いわゆる「市販後学習（または継続学習）」について検討を行った．収集されたデータをどのように用いて，どうアップデートするかについてモデルの再学習，ファインチューニング，アンサンブル学習などの方法を検討したところ，既存モデルの学習に用いられたベースラインモデルデータと継続学習用データの撮影機器の違いなどに由来する特徴の違いが精度の変化に影響を及ぼすことがわかった．
３．医用画像を用いた機械学習のネックとなるラベル作成のタスク軽減のために，半教師あり学習を用いた継続学習についても検討を行ったが，教師あり学習の精度には届かなく，今後より効果的な学習法について検討が必要であることが分かった．
４．国内外の学会における学術大会等における招待講演などで本研究に関する解説や研究成果の紹介を行うとともに，国内外の学術誌等でも同様の活動に努めた．
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
-
[Journal Article] Deep learning model for the automatic classification of COVID-19 pneumonia, non-COVID-19 pneumonia, and the healthy: A multi-center retrospective study2022
Author(s)
Mizuho Nishio, Daigo Kobayashi, Eiko Nishioka, Hidetoshi Matsuo, Yasuyo Urase, Koji Onoue, Reiichi Ishikura, Yuri Kitamura, Eiro Sakai, Masaru Tomita, Akihiro Hamanaka, Takamichi Murakami
-
Journal Title
Scientific Reports
Volume: 12
Pages: 8214
DOI
Peer Reviewed / Open Access
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
