Development of computer-aided diagnosis system for colorectal cancer in CT colonography using deep learning

2019 Fiscal Year Research-status Report

• Project/Area Number: 19K23601
• Research Institution: Tokyo Institute of Technology
• Principal Investigator: Jin Ze 東京工業大学, 科学技術創成研究院, 特任助教 (40840278)
• Project Period (FY): 2019-08-30 – 2021-03-31
• Keywords: 少サンプルで学習 / 深層学習 / 大腸ポリープ

Outline of Annual Research Achievements

１）症例収集
本研究に用いるCTCのデータは、Dachman教授のグループが中心的な役割を果たした米国の多施設大規模臨床試験を利用する(Rockey,2005; Doshi, 2007)。本データのユニークなところは、放射線科医が実際に見落とした症例を数多く含んでいるところにある。見落としの症例を利用して、見落しやすい病変に強いCADを開発するとともにその性能を評価する。
２）少サンプルで学習ができる3次元×2 の情報をMTANN深層学習を開発した。
我々は、MRIにおける脳動脈瘤の検出システムの開発に成功している。ここで開発した固有値に基づく選択的強調フィルタの効果により、球形の瘤の検出を、従来手法に比べて高い精度で行える（しかも偽陽性の数が半分以下に収まった）ことを示した。我々は動脈瘤検出用に開発した手法を発展させ、独自の少サンプルで学習ができるMTANN深層学習と組み合わせることで、従来の性能を遥かに超える、選択的球状陰影強調フィルタを用い、3次元×2 の情報をMTANN深層学習の入力とする方法を開発した。
開発した方法を評価するため、公開した肝臓がんのデータベース（LiTS）を用いて、肝臓がん抽出精度を検証した。我々開発した方法では、従来法に比べ、遥かに少いサンプルで学習したモデルがベンチマークより高い精度の結果を出しました。この結果について、深層学習の一番解決するべき問題の一つの解決策であり、当分野で一番重要な学会RNSA2020に発表投稿中です。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

選択的球状陰影強調フィルタを用い、3次元×2 の情報をMTANN深層学習の入力とする方法を開発した。開発した方法を評判するため、まずは公開の肝臓がんのデータ（LiTS）を用いて、肝臓がん抽出精度を検証した。少サンプルで学習したモデルがベンチマークより高い精度の結果を出しました。この結果について、当分野で一番重要な学会RNSA2020に発表投稿中です。得られた結果が有用性をしめしているので、とても将来性がある研究と思います。

Strategy for Future Research Activity

ポリープ検出は、球状物体検出という意味で、肝臓かん抽出と共通性がある。有用性をしめしている我々を開発した深層学習モデルを大腸がんに適応するように改善する。そして実行ステップでは、未学習のCTC画像を学習後のモデルに入力することにより、大腸ポリープ・病変が検出され、それを医師に提示する。FROC(free-response receiver operating characteristic)解析を用いて提案手法を評価する。さらに、放射線科医による読影実験を行い、ROC (receiver operating characteristic)解析に基づき、提案手法の臨床応用への有効性を検証する。

Causes of Carryover

本格的大腸がんポリープを検出実験を行うための高機能の演算PC購入費用を計上します。
前年度の学会参加を取り止めたため、今年度で発表を積極的発表に参加するために旅費を多めに計上します。

Research Products

• [Funded Workshop] SPIE2020 (2020)