| 研究課題/領域番号 |
21K15800
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 東京医科歯科大学 |
|---|
研究代表者 |
藤岡 友之 東京医科歯科大学, 放射線診断科, 准教授 (60771631)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | 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 / 乳腺画像診断 / 画像診断 / 医学教育 |
|---|
| 研究開始時の研究の概要 |
医療画像の収集、保持は個人情報の保護や患者の同意を得ることが必要となるため莫大な
労力や費用が必要となる。敵対的生成ネットワークという本物そっくりの仮想画像が作成できる深層学習の手法を医療画像への応用することで、効率よく画像データを生成し、教育や研究に応用することが期待されている。
本研究ではGANを用い乳房超音波の生成画像を作成し、本物の画像との相違点や人工知能
の作り出す画像の特徴を解析することで精度の高い生成画像を作成できる方法を確立する。更には生成画像を画像診断医の教育や人工知能を使った画像研究へ応用しその効果を検証し、有効な利用方法を提案する。
|
| 研究実績の概要 |
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。
|
