2021 Fiscal Year Annual Research Report
教師なし・半教師あり学習を用いた検査情報複合型医療診断システムの構築
| Project/Area Number |
19K12120
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
間普 真吾 山口大学, 大学院創成科学研究科, 教授 (70434321)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
呉本 尭 日本工業大学, 先進工学部, 教授 (40294657)
平野 綱彦 山口大学, 医学部附属病院, 准教授 (00382333)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 深層学習 / 医用画像 / 半教師あり学習 / 異常検知 |
|---|
| Outline of Annual Research Achievements |
１．これまでに行ってきた肺聴診音の識別では，少ないデータに対する適切な深層学習モデルの構築や事前学習方式を研究してきた．しかし，教師あり学習の枠組みであるため，正常と異常のラベルが付与された聴診音データがある程度必要であった．今年度は，異常データを必要とせず，異常よりも比較的多く収集可能な正常データのみを用いた異常検知手法の研究を行った．異常検知手法の一つであるDAGMM（Deep Autoencoding Gaussian Mixture Model）における特徴抽出用のネットワークを改良したモデルを複数提案しその性能を検証した．さらに，Efficient GANと呼ばれる異常検知手法にGMMを組み合わせたモデル，および特徴抽出用のネットワークを改良したものを提案した．
２．半教師あり学習の一つに疑似ラベリングがある．これは多数の教師ラベルなしデータと少数の教師ラベルありデータを用い，まずはラベルありデータで学習を行い，ラベルなしデータに疑似ラベルを付与する方法である．本研究では，胸部単純X線画像における異常領域の検知を目的とし，YoloV3，Faster RCNN，RetinaNetと呼ばれる物体検知モデルをベースに，提案する疑似ラベリング法を適用し，疑似ラベリングされたデータを教師データとして利用したときの効果，ラベルありデータの初期割合を様々な値に設定したときの性能等を検証した．
３．肺機能等の複数の検査から身体活動性の予測を行う研究について，検査コストを軽減しつつ高い予測性能を有する方式の研究を行った．血液検査，肺機能，歩行試験，画像検査，質問票などの検査項目から予測に重要な項目を抽出することを目的とし，識別率，適合率，感度，特異度の観点での総合的な評価，身体活動性の低下の程度で群を分けた評価，COPDの有無等で群を分けた場合の評価など多角的な面から検証した．
|
