| 研究課題/領域番号 |
17K10374
|
|---|
| 研究機関 | 東京慈恵会医科大学 |
|---|
研究代表者 |
中田 典生 東京慈恵会医科大学, 医学部, 准教授 (80237297)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | 人工知能 / 機械学習 / 深層学習 / 超音波診断 / 乳腺 / 乳癌 |
|---|
| 研究実績の概要 |
１）本研究ではコンピュータ支援診断システム開発に深層学習の手法を用いる。深層学習には、画像と答え（この場合、病理の結果）が一緒になった乳腺超音波画像のデータセットが必要であり、まずこれを集める必要がある。平成29年度には、乳腺腫瘤を有する超音波画像をDICOM形式の画像として約2000例（2012年～2016年分の画像）の収集を完了した。これらの画像はいずれも病理診断結果があり、良性ないし悪性の腫瘤のいずれかが予め解っている画像である。乳腺造影超音波検査はすでに乳腺腫瘤の造影超音波の動画および静止画像が約100 例保存されている。次に、実際にはすでに収集したDICOM画像をJPEG画像に変換して、画像に描出されている乳腺腫瘤を正方形のボックス型の線で囲い込み保存する。これらの画像を病理診断名別に良悪性に分類した状態で保存する。平成30年現在、2016年、2015、2014年の画像データについてほぼ教師学習用データ作成が完了している。
２）学習用データを用いた機械学習として今回、深層学習のうち畳み込みニューラルネット（以下CNN）という手法を用いる。すでに研究施設にある機械学習専用に作成された専用タワーデスクトップ型コンピュータのマザーボードやCPUなどを科研費により購入した新たな部品に交換してハードウェアの性能向上を達成した。ハードウェアのアップグレードとオペレーションシステム（Ubuntu Linux）の更新に伴いCNN を実行できるソフトウェア環境を再構築した。
３）画像診断における深層学習研究の進歩に伴い、実用化に向けて解決しなければならない複数の研究上の課題、すなわち不均衡データの分類問題や作成したアルゴリズムモデルの評価方法の問題などが明らかになってきた。令和元年度の研究により、これらの課題の解決の目途がたった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
１）画像データセットの準備: コンピュータ支援診断システムを開発する際には、深層学習の手法を用いる。深層学習には、画像と答え（この場合、病理の結果）が一緒になった乳腺超音波画像のデータセットが必要であり、まずこれを集める必要がある。平成29年度には、乳腺腫瘤を有する超音波画像をDICOM形式の画像として約2000例（2012年～2016年分の画像）の収集を完了した。しかしながら深層学習には、できるだけ多くの数千単位の画像データが必要である。そのため研究に必要な教師学習用の超音波画像の収集をさらに進めるため時間を要し、これにより研究の遂行に遅れが生じた
２）学習用データを用いた機械学習: 今回、深層学習のうち畳み込みニューラルネット（以下CNN）という手法を用いる。すでに研究施設にある機械学習専用に作成された専用タワーデスクトップ型コンピュータのマザーボードやCPUなどを科研費により購入した新たな部品に交換してハードウェアの性能向上を達成した。ハードウェアのアップグレードに伴いCNN を実行できるソフトウェア環境を再構築した。基本となるオペレーションシステムであるUbuntu Linuxのバージョンアップ（16.04から18.04）へのアップグレードにともない、コンピュータ内部のソフトの再構築に時間を要したため、やや研究が遅れた。
|
| 今後の研究の推進方策 |
１）乳腺腫瘤の良悪性判定の深層学習による分類アルゴリズムは完成した。今後は、世界的深層学習の最先端の研究に合わせた研究成果を本年度中に発表する予定である。
２）造影超音波検査のデータ解析を進め、本年度中に研究成果をまとめる。
３）画像診断における深層学習研究の進歩に伴い、実用化に向けて解決しなければならない複数の研究上の課題、すなわち不均衡データの分類問題や作成したアルゴリズムモデルの評価方法の問題などが明らかになってきた。本年度にこれらの課題解決方法の研究成果を発表する予定である。
|
| 次年度使用額が生じた理由 |
研究成果発表として英文論文作成の諸経費、具体的には英文校正の費用等として使用する予定である
|
