2022 Fiscal Year Research-status Report
| Project/Area Number |
21K12077
|
|---|
| Research Institution | Chukyo University |
|---|
Principal Investigator |
目加田 慶人 中京大学, 工学部, 教授 (00282377)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
道満 恵介 中京大学, 工学部, 准教授 (90645748)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 深層学習 / 医用画像診断支援 / 腹部超音波画像 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，医用画像からの病変検出・良悪性鑑別における画像と所見（検査データに基づく医師の判断）を有効活用した方法の検討と，その超音波診断支援への適用である．超音波画像は肝臓や乳腺領域における腫瘍の存在を知るための最初の検査となることが多い．しかしながら，超音波プローブを自ら操作し撮影と診断とを同時におこなう必要があることから，医師や技師によってその診断能力に差が生じるという問題がある．
本年度は，超音波動画像からの所見作成支援のための病変検出，追跡を中心に研究を進めた．腫瘍は検出するだけでなく、どの種類の腫瘍であるのかを特定する（良悪性、病変タイプ）ことが望まれている．腫瘍は円形状の高輝度または低輝度の領域という共通の特徴があるため，検出は比較的容易であるが，同時に腫瘍タイプの分類をおこなうことは難しい．そのため，事前に対照学習により腫瘍のタイプを分類することに適したニューラルネットワークの重みを学習し，その重みを起点とした検出器を構築した．その結果，検出と分類を別々で行った場合と同等の精度を達成できた．一つのニューラルネットワークでこれを実現できたことで，実利用を考えた場合，高速化や省メモリという利点がある．
また，画像特徴と付帯情報の利用の基礎的な実験として，進行肝癌に対するチロシンキナーゼ阻害剤の効果予測に取り組んだ．検査データと薬剤利用結果の組が少数であることから，CT画像から得られる特徴を厳選して利用し，適切なデータ拡張をおこなうことで7割程度であった最大正解率を1割向上させることに成功した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
所見や検査データに加えて画像の特徴を加えた機械学習手法の精度が向上したこと，および，所見生成支援のために画像から必要な情報を抽出することが出来ているため．
|
| Strategy for Future Research Activity |
所見生成のために取り組んできた検出器や分類器についてはある程度の精度のものができている．判断根拠とした特徴の可視化に加えて，解剖学的な情報を加えることで，どこに何があり，そう判断した理由を示せるように研究を進める．
|
| Causes of Carryover |
円安等の影響で効果的な計算機を購入することが出来なかった．旅費も高騰しているため，その分を確保しつつ，できるだけ早いタイミングで研究環境の拡充に努める．
|
Research Products
(5 results)
