Development of image processing techniques using deep learning for automatic diagnosis and diagnosis supporting

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K11958
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61010:Perceptual information processing-related
• Research Institution: Kanazawa University
• Principal Investigator: Imamura Kousuke 金沢大学, 電子情報通信学系, 准教授 (00324096)
• Co-Investigator(Kenkyū-buntansha): 小林 聡 金沢大学, 保健学系, 教授 (30313638)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 医用画像処理 / 深層学習 / 診断補助 / 肝線維化ステージ判定

Outline of Final Research Achievements

In this study, we constructed a system that automatically determines the stage of hepatic fibrosis using neural network based on medical MRI images. We constructed a system that enables stage determination for each patient by using a network structure in which CNNs are arranged in parallel and performs exchange learning. Furthermore, we constructed a stage determination system based on a network structure using MIL to improve diagnostic accuracy. We also realized automatic selection of slices for diagnosis to determine the stage of hepatic fibrosis using U-net. In these networks for determining the stage of hepatic fibrosis, we investigated diagnostic support using a method to visualize the basis for determination.

Free Research Field

画像処理

Academic Significance and Societal Importance of the Research Achievements

肝臓の線維化と肝発癌の間には強い相関があり、肝癌の早期発見・早期治療のためには肝臓の線維化の程度を知ることが重要である。肝臓の線維化診断のゴールドスタンダードは肝生検だが，侵襲性が高く，被検査者の死亡のリスクもある。ディープラーニングを用いた画像認識で肝臓の線維化を自動的かつ高精度・高速に診断することが可能となれば，被験者への負担が軽減された、より安全な診断の実現が期待できる。またディープラーニングによる画像診断手法の確立は，他の疾患に対しても応用が可能と考えられるため，今後の深層学習の医用画像における応用において意義がある。