2019 Fiscal Year Research-status Report
Automated grading system for the retinal arteriolosclerosis in a cardiology risk screening
| Project/Area Number |
19K10662
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
川崎 良 大阪大学, 医学系研究科, 寄附講座教授 (70301067)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大久保 孝義 帝京大学, 医学部, 教授 (60344652)
中島 悠太 大阪大学, データビリティフロンティア機構, 准教授 (70633551)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 網膜血管 / 動脈硬化 / 検診 / 予防医学 / 危険因子 / 循環器疾患 |
|---|
| Outline of Annual Research Achievements |
大迫研究フィールド調査を行い、新規眼底写真の収集と収集した眼底写真解析を行った。
（１）網膜細動脈と細静脈の同定とセグメンテーション：U-Netを組み合わせたIterNetモデルを用いて、網膜細動脈と細静脈を同定し、限られた教師データをもとに精度の高いセグメンテーションを可能とするモデルを構築した。CHASE-DB1データセットにおいてはF1 score 0.8073, Sensitivity 0.7970, Specificity 0.9823, Accuracy 0.9655, そしてAUC 0.9851を達成し、既報に勝る結果を得た。STAREデータセットにおいても、F1 score 0.8146, Sensitivity 0.7715, Specificity 0.9903, Accuracy 0.9701, そしてAUC 0.9881を達成し、Specificityを除く精度指標において既報に勝る結果を得た。
（２）網膜細動脈と細静静脈交叉部の検出：（１）によりセグメンテーションされた動脈、静脈が交叉する部分を自動検出するシステムを作成し、網膜写真を入力すると交叉部のパッチ画像を生成するシステムを構築した。
（３）網膜細動静脈交叉部の医師判定をもとにした重症度推定深層学習モデル作成：交叉部のパッチ画像4240枚を網膜専門医が重症度を4段階評価した結果を教師データとし、複数の深層学習モデルにより自動的に判別を試みた。その結果、precision 98.1%, recall 89.7%, スコア（0-３）推定のmean squared error (MSE)は0.21 (variance 0.36)を達成した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
予想よりも少ない枚数の画像、教師データで十分に精度の高い判別モデル作成が可能であったことから、2020年度に計画していた内容を前倒しして進めることができた。一致度においては網膜細動脈交叉部の判定がprecision 98.1%と目標であった95％を達成した。recallは89.7％であり、さらに向上を目指して研究を続ける予定である。
|
| Strategy for Future Research Activity |
今年度に予定されていた新規健診対象者のフィールド調査が新型コロナウイルス感染拡大を予防するために健診会場での調査を中止せざるを得ない見込みとなった。今年度の成果から、すでに収集した画像で十分に精度の高いシステムを構築することができる見込みが得られたため、研究全体の進捗には大きく影響しないものと考えている。その一方で、研究結果の妥当性、特に循環器イベントとの関連評価においてはすでにフィールド調査が終わっているコホート研究との共同研究、UKBiobankなどのオープンデータの利用によりより多数のデータを用いた検証を行うよう研究計画の追加も検討している。
|
| Causes of Carryover |
予定していた大迫市におけるフィールド調査の日程が一部延期となり次年度に持ち越しになった。この分のフィールド調査は２０２０年度に行う予定である。
|
