2023 Fiscal Year Annual Research Report
敵対的生成ネットワークによる乳房超音波画像を生成し教育や研究への応用を目指す研究
| Project/Area Number |
21K15800
|
|---|
| Research Institution | Tokyo Medical and Dental University |
|---|
Principal Investigator |
藤岡 友之 東京医科歯科大学, 放射線診断科, 准教授 (60771631)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 人工知能 / 超音波 / 乳癌 / 敵対的生成ネットワーク / 深層学習 / 生成画像 |
|---|
| Outline of Annual Research Achievements |
画像評価のため、5つの代表的な組織型（嚢胞、線維腺腫、浸潤性乳管癌の硬性型、充実型、腺管形成型）の合成画像を生成的敵対ネットワーク（GAN）を用いて作成しました。オリジナルの乳房超音波画像とGANによる合成画像の臨床的特性を比較し、その有用性を評価しました。2人の放射線科医が、50枚の合成画像と50枚のオリジナル画像を用いた読影テストを受け、1ヶ月以上の間隔を置きながら、認識した組織型を割り当てました。診断の正確さを算出し、読影者間の一致度をカッパ係数で評価しました。オリジナル画像の区別が難しい質の高い合成画像を生成することができました。1人目の読影者と2人目の読影者の合成画像に対する正しい診断率はそれぞれ86.0％と78.0％であり、オリジナル画像に対する診断率は88.0％と78.0％でした。2人の読影者間のκ値は合成画像で0.625、オリジナル画像で0.650でした。GANによる合成画像とオリジナル画像に基づいた診断結果は類似していることが示されました。この研究により、DCGANによって生成された合成画像は、研究された5つの組織型の特性を正確に表現しており、医師がオリジナル画像から行った診断と同様の診断を行うことができることが示されました。
GANによって生成された合成画像は、医療教育や訓練に有効なリソースとして活用される可能性があります。これらの画像は、珍しいケースや複雑な病変の例を学習する際に役立ち、読影技術の向上に寄与することができます。特に医学生や若手医師の診断能力向上に貢献することが期待されています。
|
Research Products
(3 results)
