2022 Fiscal Year Final Research Report

Development of automated retinopathy lesion detection based on deep learning in small samples

Research Project

PDF

Project/Area Number	19K12827
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 90130:Medical systems-related
Research Institution	Oita University (2020-2022) The University of Shiga Prefecture (2019)
Principal Investigator	Hatanaka Yuji 大分大学, 理工学部, 教授 (00353277)
Project Period (FY)	2019-04-01 – 2023-03-31
Keywords	医用画像 / 病変検出 / 深層学習 / 教師なし学習 / GAN / CNN / 転移学習 / 眼底画像
Outline of Final Research Achievements	For detecting abnormalities by using deep learning in medical images, it is difficult to many annotated images. A data-augmented effect based on basic image processing is limited in medical images. This study shows that two subthemes, the abnormal generative images for the convolutional neural network and the annotated image-free training method based on applied transfer learning, are experimentally effective.
Free Research Field	医用画像工学
Academic Significance and Societal Importance of the Research Achievements	定量的かつ再現性の高い医療診断のために人工知能が求められている。深層学習のアプリーチを採る場合、ラベル付けされた医用画像を大量に用意することが難しい問題がある。本研究は、画像の人工生成によって、不足したデータを補うことの有用性を明らかにした。希な確率で生ずる疾病の場合、異常な画像を集めることが困難であるが、転移学習の考え方の応用によって、ラベル付き画像を用いずに深層学習モデルを学習する方法の有用性も示した。これらの研究により、データ収集の困難な課題を解決することが可能となる。