2020 Fiscal Year Research-status Report
Development of automated retinopathy lesion detection based on deep learning in small samples
| Project/Area Number |
19K12827
|
|---|
| Research Institution | Oita University |
|---|
Principal Investigator |
畑中 裕司 大分大学, 理工学部, 教授 (00353277)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | Cramer-GAN / CNN / 網膜症 / 眼底 / データオーギュメンテーション |
|---|
| Outline of Annual Research Achievements |
畳み込みニューラルネットワーク（CNN）を用いて、眼底画像から網膜症病変を自動検出する手法の開発に取り組んでいる。本課題では、CNNの教師データとなる大量の病変画像を用意できないことを前提として、敵対的生成ネットワークを用いたイメージデータオーギュメンテーションの研究に取り組んでいる。前年度にCramer-GAN（以下、GANとする）の可能性が示唆されたため、本年度は硬性白斑の人工的な画像生成を対象として詳細に検討した。GANのGeneratorの各層に乱数を付与すると共に、各層に任意の係数を乗算することによって、より多様性のある画像群を生成できるようにした。13種類のHaralik特徴によるt-SNEを用いて実画像とGANの分布を比較したとき、両者が類似することを確認した。このことは、GANが片寄りなく多様な画像を生成できることを意味する。
また、GAN以外のデータオーギュメンテーション法である画像の回転処理とGANを組み合わせて、CNNの学習への寄与についても実験検証を行った。本年度は、GANと回転処理による生成画像の割合を1:1とし、本物の硬性白斑画像の枚数を10倍にしてCNNに学習に適用した。硬性白斑画像3,000枚を30,000枚に拡張して、正常画像30,000を加えて学習したCNNを用いて、各6,000枚の正常画像と硬性白斑画像に対する評価実験を行った。比較対象として、生成画像なしで学習させたCNNも用意した。生成画像有りのCNNのAccuracyが0.88、生成画像なしのCNNが0.84であったことより、生成画像の有用性を確認できた。眼底画像において、硬性白斑は白い塊となることから、GANは放射線画像における癌病変のデータオーギュメンテーションなどへの摘要も可能であると考える。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
計画していたデータオーギュメンテーションについては、Cramer-GANによる網膜症病変の画像生成に有用であり、計画よりも半年早く研究が進んでいる進行している。また、位置情報を考慮した深層学習処理の網膜血管への摘要を計画していたが、調査研究の結果、計算負荷の割には検出性能が高くならないことが分かった。一方で、前年度に検討し始めた蛍光眼底画像上の網膜血管を深層学習で検出することを考えた場合、学習に十分な教師データの枚数を集められないことが分かったが、非造影の眼底画像をこの学習に利用できることが本年度中にわかった。病変検出と血管検出の2つの研究課題の進行状況を合わせて考え、概ね順調に進展していると自己評価する。
|
| Strategy for Future Research Activity |
データオーギュメンテーションについては研究成果をまとめて、学会等で成果発表する。
血管検出については、蛍光眼底画像を一般的なFOVが50度の画像だけではなく、世界的に研究が進んでいないFOVが200度以上の広角眼底画像への摘要も検討する。
|
| Causes of Carryover |
新型コロナウイルスの影響により、計画していた国際会議に参加できなくなったり、学会のオンライン開催によって、旅費に差が生じた。
次年度もオンライン開催が予想される学会での発表や、学術雑誌への論文投稿を行うなど、研究成果の積極的な情報公開を行う。
|
Research Products
(8 results)
