| 研究課題/領域番号 |
17K08740
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
人体病理学
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
吉澤 明彦 京都大学, 医学研究科, 准教授 (80378645)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2018年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2017年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 肺癌 / 腺癌 / 予後予測 / 機会学習 / 深層学習 / 機械学習 / 肺腺癌 / 病理組織像 / ウェーブレット変換 / 畳み込みニューラルネットワーク / デジタル画像解析 |
|---|
| 研究成果の概要 |
第一段階として，多重解像度解析・改良kNN法によるデジタル病理画像解析を行った。まずはアノテーションを行った関心領域からラベル付きパッチ画像を教師データとして抽出，ウエーブレット変換しクラスター分析で数値化した。次に，このパッチ画像全を訓練データ，テストデータとしてSVMを用い，多重解像度解析した。結果，腫瘍，非腫瘍の判別に関しては，0.7777の正答率が得られた。結果の改善のために新規アルゴリズムを共同で開発し検討を進めた(Soft switch FCN法)。提案手法で，腫瘍，非腫瘍判別の正解率は0.95と改善した。一方，各種別の正解率は，満足な結果とは行ならなかった(0.61-0.93)。
|
| 研究成果の学術的意義や社会的意義 |
病理デジタル画像においても深層学習を用いた判別の可能性が示せた。しかしながら，教師データであるWSI画像は放射線画像と比較し大きく，そのまま，入力することはできない。そのため，パッチ画像として入力することになるが，組織構築の判別を行う際はより広い視野をパッチとしなければならないためその画質は落とさざるを得ないジレンマがある。そこで我々はU-Netに，最適な視野領域の組み合わせを予測できるSoft switch法を組み合わせたSoft switch FCN法を共同開発し，検討に用いた。肺癌の予後予測に関しては検討途中であるが，組織構造の分類には有用である可能性が示され，その意義は大きいと考える。
|
