研究課題/領域番号 |
19K12827
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分90130:医用システム関連
|
研究機関 | 大分大学 (2020-2022) 滋賀県立大学 (2019) |
研究代表者 |
畑中 裕司 大分大学, 理工学部, 教授 (00353277)
|
研究期間 (年度) |
2019-04-01 – 2023-03-31
|
研究課題ステータス |
完了 (2022年度)
|
配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
キーワード | 医用画像 / 病変検出 / 深層学習 / 教師なし学習 / GAN / CNN / 転移学習 / 眼底画像 / ぶどう膜炎 / 少数サンプル / 機械学習 / 重症度推定 / 網膜血管漏出 / セグメンテーション / レジストレーション / 異常検出 / 炎症 / Cramer-GAN / 網膜症 / 眼底 / データオーギュメンテーション / 糖尿病網膜症 / 高血圧症 / 血管解析 / Capsule Network / 生活習慣病 / 人工画像 |
研究開始時の研究の概要 |
無散瞳眼底カメラによる眼底検査は非侵襲で簡便であるため、検診目的で広く実施されているが、眼底画像の判定作業のための精度管理や時間的・人資源的な効率が確保されていない。近年は、深層畳み込みニューラルネットワーク(CNN)の適用が研究の主流であるが、CNNは多くの教師データ画像を必要とする反面、多くの病変画像収集の困難さが医用画像研究の共通の課題である。CNNには、画像内の位置関係の消失問題と、データオーグメンテーション効果の不十分さの問題がある。本研究では、画像内の位置情報保持を目的としたネットワークの検討と、人工画像生成によるオーギュメンテーションを検討する。
|
研究成果の概要 |
医用画像における病変を深層学習に基づく方法で自動検出する場合、大量のアノテーションされた画像を用意することが難しい問題がある。画像処理に基づくデータ拡張の方法が提案されているが、効果が限定的である。本研究では、眼底疾患を対象として、畳み込みニューラルネットワークの学習のための人工画像生成と、転移学習を改変した教師データを用いない学習方法を開発し、それぞれ有用であることを実験的に明らかにした。
|
研究成果の学術的意義や社会的意義 |
定量的かつ再現性の高い医療診断のために人工知能が求められている。深層学習のアプリーチを採る場合、ラベル付けされた医用画像を大量に用意することが難しい問題がある。本研究は、画像の人工生成によって、不足したデータを補うことの有用性を明らかにした。希な確率で生ずる疾病の場合、異常な画像を集めることが困難であるが、転移学習の考え方の応用によって、ラベル付き画像を用いずに深層学習モデルを学習する方法の有用性も示した。これらの研究により、データ収集の困難な課題を解決することが可能となる。
|