2020 Fiscal Year Research-status Report
Development of computer-aided diagnosis system for colorectal cancer in CT colonography using deep learning
| 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 – 2022-03-31
|
| Keywords | 少サンプルで学習 / 深層学習 / 大腸ポリープ |
|---|
| Outline of Annual Research Achievements |
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。我々が開発した方法では、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ISBI2021で「Semantic Segmentation of Liver Tumor in Contrast-Enhanced Hepatic Ct by Using Deep Learning with Hessian-Based Enhancer with Small Training Dataset Size」を演題としてオーラル発表しました。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
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。開発した方法を評価するため、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ISBI2021で「Semantic Segmentation of Liver Tumor in Contrast-Enhanced Hepatic Ct by Using Deep Learning with Hessian-Based Enhancer with Small Training Dataset Size」を演題としてオーラル発表しました。
CTCのデータの収集と分析がやや遅れている。
|
| Strategy for Future Research Activity |
有用性をしめしている我々が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。前年度の残りを速やかにデータ分析後提案手法に応用して、論文投稿予定です。
|
| 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。
前年度の残りを速やかにデータ分析後提案手法に応用して、論文投稿予定です、その費用を次年度使用額に計上します。
|
