Unsupervised anomaly detection in functional and anatomical image pairs by Bayesian deep learning

2021 Fiscal Year Final Research Report

• Project/Area Number: 20K22492
• Research Category: Grant-in-Aid for Research Activity Start-up
• Allocation Type: Multi-year Fund
• Review Section: 0403:Biomedical engineering and related fields
• Research Institution: The University of Tokyo
• Principal Investigator: Nakao Takahiro 東京大学, 医学部附属病院, 特任助教 (00876089)
• Project Period (FY): 2020-09-11 – 2022-03-31
• Keywords: 深層学習 / ベイズ深層学習 / コンピュータ支援診断 / 異常検知 / PET / PET-CT

Outline of Final Research Achievements

In this study, we proposed a general-purpose computer-aided detection method for PET/CT and other pairs of functional and anatomical images. This method does not require images with lesions for learning and can detect any kind of abnormalities. We evaluated its performance using chest PET/CT images from our hospital and demonstrated that our model trained only with normal PET/CT images can detect various types of lesions. The research results were published in the peer-reviewed English academic journal Japanese Journal of Radiology.

Free Research Field

コンピュータ支援診断

Academic Significance and Societal Importance of the Research Achievements

本研究は、PET/CTなど「機能画像と形態画像の組」に対する汎用的な病変検出モデルの開発を目的としている。通常、病変検出モデルの開発には、病変を有する症例に対し、病変の部位などをマークした「教師データ」が必要で、作成には多大な労力を要する。また、教師データとして与えられていない種類の病変は検出できない。一方、提案手法は正常な医用画像のみから学習を行うことができ、病変に関する教師データを必要としない。これによりモデルの開発が容易となり、さらに正常画像と異なる任意の所見を異常として拾い上げることができる。PET/MRIなど他の検査への適用も容易である。