2021 Fiscal Year Annual Research 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, 特任教授(常勤) (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 / 循環器検診 / 深層学習 / 眼底写真 |
|---|
| Outline of Annual Research Achievements |
網膜細動脈硬化の所見は医師の目視による判定が行われるが、その客観性、診断者間一致、また、教育・伝承に課題がある。人工知能を応用し、医師の判定プロセスを模して交叉現象の重症度の判定行う説明可能性を担保したシステムを作成した。
方法として（１）眼底画像からの血管交差部位の抽出する深層学習モデル：大迫研究における健診参加者（2013～2017年）から撮影された眼底写真から、過去に報告した網膜血管系抽出IterNETと動静脈分離SeqNETの深層学習モデルを用いて動静脈交叉点を検出し、その点を中心にした画像パッチ部位を4240か所を抽出した。（２）抽出された画像パッチに対する教師ラベル作成：網膜専門医がシェイエ分類に基づいた交叉現象の判定を行い教師ラベルとして、さらに別の深層学習モデルを作成した。判定はシェイエ分類に従い、所見なし・軽度・中等度・重度とした。（３）交叉現象重症度推定深層学習モデル：重症度レベルをアウトカムとした深層学習モデルを用いた回帰モデルとして重症度推定を行った。交差部位であることの推定に引き続いて交差部位の重症度推定を行うためにResNet50を用いたモデルを作成した。データセットを学習用、検証用、最終テスト用に分割し学習を行った。（４）結果の視覚化：Grad-CAM を用いて、推定根拠となる部位として重要な領域をヒートマップとして視覚化した。今回作成した複数の深層学習モデルからなるパイプラインで眼底画像から血管の抽出を経て交差部の抽出はprecision 98.1%、recall 89.7%の精度を得た。網膜細動脈交叉現象の重症度推定はカッパ値で0.61、一致度は0.77であった。今回の研究を通じ複数の深層学習モデルを組み合わせたパイプラインを用いることで、眼底写真を医師が判定するプロセスを再現することができた。
|
