2016 Fiscal Year Annual Research Report
Development of a next-generation mammography CAD system by using diagnostic logic extraction from bigdata
| Project/Area Number |
26540112
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
本間 経康 東北大学, 医学系研究科, 教授 (30282023)
|
|---|
| Project Period (FY) |
2014-04-01 – 2017-03-31
|
| Keywords | 計算機支援診断システム / 乳房X線撮影 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究では、乳がんの早期発見に有効とされる乳房Ｘ線撮影による画像診断において、読影医師の負担軽減のための計算機支援診断（computer-aided diagnosis, CAD）システムの病変検出・診断論理の高度化と定量化による性能向上を目標にしている。とくに、これまで困難であった診断上有用な画像特徴量の自動抽出を、大量のデータを用いた深層学習（deep learning）により学習的に獲得することで、信頼性の高い意見提示が可能なCADシステムの開発を目指し、本年度は次のような機能の開発と性能検証を行った。
１．乳房密度の定量的推定法の改良：これまでに開発した，乳がんの罹患因子の一つと考えられている乳房密度を計算機を用いて自動的に推定する手法の定量性を向上させるとともに，正確性を犠牲にせず簡便で高速な推定法を開発した。また、新たな乳がんリスク指標として左右乳房密度の差に着目し、その統計的解析を行った。その結果、乳房密度の左右差は乳がんの新しい指標になり得る可能性を明らかにした。
２．Deep learningを用いた代表的画像所見の自動鑑別：Deep learningは、自動的な特徴量抽出が可能である反面、その学習には数十万、数百万という大量のデータが要求される。一方、大量の臨床画像の入手は困難であることが多い。この問題に対し昨年度開発した転移学習法を、乳がんの代表的な画像所見の１つである腫瘤陰影の鑑別に適用した。その結果、Deep learningとしては比較的小規模な臨床データ数でも、大量に入手可能な自然画像を用いた事前学習後の転移学習により、腫瘤陰影と正常陰影を正しく鑑別可能であることを世界で初めて実証した。
|
