| 研究課題/領域番号 |
20K11944
|
|---|
| 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61030:知能情報学関連
|
|---|
| 研究機関 | 近畿大学 |
|---|
研究代表者 |
根本 充貴 近畿大学, 生物理工学部, 講師 (10451808)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | コンピュータ支援診断AI / 弱教師学習 / 医用画像 / 3D U-Net / 適応的閾値処理 / コンピュータ検出支援 / 病変領域教師ラベル / 胸部CT像 / 肺結節 / U-Net / 異常検知 / FDG-PET/CT像 / 医用画像診断 / 半教師あり学習 / カルテ情報 |
|---|
| 研究開始時の研究の概要 |
病変領域を画素単位で指摘した病変領域教師ラベルデータは，コンピュータ検出支援：CADe（Computer-aided detection）システム開発に不可欠だが，同教師ラベルの生成・大量収集は極めて困難である。教師ラベルデータを持たないデータを機械学習に用いる半教師あり学習は，教師ラベル推定時の誤りに対する懸念がある。本研究では，病変領域教師ラベルデータが少数しか得られない環境において，カルテ情報を用いて高精度に推定した教師ラベルを効果的に用いたCADeシステム開発を確立する。
|
| 研究成果の概要 |
本研究では主に、教師あり機械学習の枠組みにカルテデータの病変情報を融合し、病変領域教教師ラベルのない医用画像上に高精度な教師ラベルを自動付与する手法を提案し実験的に検討を行った。提案法は、病変位置座標と病変長径のみから複数の3次元拡張U-Netを用いて病変領域教師ラベルを推定するものである。肺結節を対象とした検証実験では、Solid、GGO、Mixed-GGOの3種類の結節いずれも良好なDice係数を伴う推定教師ラベルを取得できた。
また病変領域抽出に重要な画素識別の検討も行った。教師無し画素異常検知に基づくFDG-PET/CT像上の多種病変検出処理を提案し、論文にて発表した。
|
| 研究成果の学術的意義や社会的意義 |
本研究は、画像診断支援AIシステム開発において不可欠なデータである"病変領域教師データ"の生成コストを大幅に削減することに寄与する可能性を秘めた研究である。この病変領域教師データは、専門知識を持つ放射線診断医が画素単位で手入力することでしか作成することができない。よって、病変領域教師データの作成および収集における人的・時間的コストは極めて大きい。本研究は、このようなデータ作成を少数に抑えることができ、かつ病院に蓄積された診断データを教師ラベルの作成作業無しに後ろ向き研究利用するための方策となりうる。この技術を用いることで診断支援AIシステムの開発速度向上が見込めることから、社会的意義は高い。
|
