研究課題/領域番号 |
22K12149
|
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 | 豊橋技術科学大学 |
研究代表者 |
浅川 徹也 豊橋技術科学大学, 工学(系)研究科(研究院), 助教 (80711382)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022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 | 深層学習 / 医療画像 / 画像診断 / マルチラベル問題 / AI技術 |
研究開始時の研究の概要 |
病症推定の研究は、近年国内外で積極的に行われている行われている挑戦的な研究課題である。 しかしながら、実際の医療データは、複数の病症をもっている。さらにこれまでも研究では、2次元もしくは3次元CT画像から、特定のラベルを推定する研究は行われているが、マルチラベル問題としての複数の3次元画像・動画からの正確な病症推定の研究はあまり開拓されていない。この問題に対して、特徴量抽出技術に基づく伝統的な機械学習と、空間的局所情報獲得に強い畳込み型ネットワークと時間的局所情報獲得に強い再帰型ネットワークを融合させた未来型の深層学習で複数の病症が混ざったマルチラベル問題の正確な推定を目指す。
|
研究実績の概要 |
2022年度の研究実績に関しては、以下の3点に関して成果があった。 国内、国際会議での口頭発表を行ったほか、国際カンファレンスにも採択され、招待講演も行った。 【項目1:肺CTデータでのマルチクラス、マルチラベル分類】1年目は、肺CTデータにおける病症のマルチラベル、マルチクラス問題を解決するために、3次元CTデータを高解像度化(SRGAN)と深層学習を用いて、高精度な推定手法を開発した。この成果は、世界的コンペティションImageCLEF2022にて世界2位の精度を獲得し、世界的に注目されている技術と認定され、CLEF2022にて招待講演で発表を行った。 【項目2:心臓CTデータでのマルチクラス、マルチラベル分類】1年目は、心臓CTデータにおける推定も行った。深層学習を用いて、2次元の心臓CTデータを用いた健常者か心臓狭窄症患者の推定を行った。さらに、マルチクラス、マルチラベル分類として、健常者とどの部分に心臓狭窄があるかの推定も行った。推定精度は、80%以上と高精度であった。この成果は、国内会議MI研究会にて1件、更に国際会議ICMVAに採択され、1件発表を行った。 【項目3:心臓CTデータでのマルチクラス分類】更に、2次元心臓CTデータだけでなく、3次元心臓CTデータも用いて、マルチクラス分類を行った。これは、3D CNNとLSTMを混合したこれまでにない、深層学習アーキテクチャを開発した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
以下の項目を達成できたため。 (1)肺CTデータでのマルチクラス、マルチラベル分類にて世界2位を獲得し、招待講演を行ったこと、(2)心臓CTデータでのマルチクラス、マルチラベル分類にて国内、国際会議で採択され発表したことである。、 当初の目標は国際会議2件であったため、2件以上あり、更にジャーナルや特許など、今後の展開に期待できるので総じて「おおむね順調に進展している」と判断した。
|
今後の研究の推進方策 |
3D医療データによる深層学習は、比較研究が少なく、きわめて挑戦的であると感じてきた。今年度使用したベンチマークデータ、ならびにそれを用いた分類・手法の開発を進める中で、これまでにない高精度のモデル開発に着手したいと考えている。 今後、更なる新しい手法などの開発を行い国際会議やジャーナルなどで発表できる技術レベルまで到達させ、更に当該分野での研究推進をしていく予定である。
|