2022 Fiscal Year Annual Research Report
人工知能を用いた口腔がんの細胞診・予後判定システムの開発
| Project/Area Number |
20K10163
|
|---|
| Research Institution | Kanazawa Medical University |
|---|
Principal Investigator |
見立 英史 金沢医科大学, 医学部, 講師 (00552019)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山本 郁夫 長崎大学, 海洋未来イノベーション機構, 教授 (10392953)
酒井 智弥 長崎大学, 情報データ科学部, 准教授 (30345003)
下本 陽一 長崎大学, 工学研究科, 准教授 (80244036)
角 美佐 長崎大学, 医歯薬学総合研究科(歯学系), 教授 (90284702)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 口腔がん / 口腔細胞診 / 人工知能 / 注視機構 |
|---|
| Outline of Annual Research Achievements |
本研究は大きく２つの手法で検討した。
１つは、細胞診を実際に施行した対象症例の画像から細胞核を抽出する方法である。具体的にはAnoGANを用いて異常検知を行うことにより、口腔癌(classIV)の検知を行った。本研究によって、以下の成果を得た。(1)鮮鋭化をおこなうことで背景の色が統一され、復元の精度を向上させることが出来た。(2)元画像と比べて色が薄くなっている部分(元々あったものが復元できていない部分)に着目することでClass 4 の細胞を識別することが出来た。
２つ目は、背景の線形従属性と前景のスパース性を利用する手法である。この手法を利用して教師なしの条件で細胞検出を行ったところ、大まかに細胞の領域を検出することができた。しかし背景と細胞のコントラストが弱い部分は曖昧に出力された。そこで本研究では、細胞の局所特徴の類似性という事前知識から、問題点の改善を試みた。提案手法のモデルは複数あり、定量評価についてはprecisionとrecall値が先行研究モデルと比べてどちらも上がり、細かな誤検出や検出漏れを低減可能なモデルも存在したが、どちらかの値が下回る、もしくはどちらも下回るモデルも存在した。これは、モデルが画像の処理を行う際には、チャネルの数だけではなく、画像情報の解像度も重要と考えられた。また、深層学習の序盤の層の情報を選んだり、強調する場合は、画像を元の大きさに戻す時に重要な情報であるので、選ばれる特徴によっては出力画像に大きく影響を与えるため、評価が悪くなる可能性があると考えられる。出力結果より、提案手法の全出力においては、デブリや気泡の誤検出を抑えていなかった。この理由にはデブリの特徴と細胞の特徴が似ていると考えられる。また、SEblockを導入した一部のモデルの出力には、背景の明暗が誤検出されていた。
|
