研究課題
深層学習（ディープラーニング）は、最近注目を集めている機械学習法の一つ、これまでの他の機械学習法に比べ、診断・予測精度が良いことが知られている。しかしその最大の欠点は、良い精度を得るのに通常大量のデータを必要とする点である。Transfer Learning（転移学習）はその欠点を補う手法で、訓練データの数が少ない場合に、これと別に異質の大量の予備訓練データを用意して、深層学習アルゴリズムを予備学習してから訓練データを用いて本訓練をする手法である。本研究では1565眼の開放隅角緑内障（OAG）眼と193眼の正常眼による4316枚の光干渉断層計（OCT）画像（RS3000, Nidek） を用いて予め深層学習アルゴリズムを予備訓練しておいてから、94眼の早期OAG眼（Mean Deviation > -5.0dB）と84眼の正常眼のOCT画像（OCT-1000/2000, Topcon）で本訓練し、その診断精度を114眼の早期OAG眼と82眼の正常眼を用いて検証した。この結果得られた受信者操作特性曲線下面積は 94 %で、予備訓練を行わない場合（77～79 %）や他種の機械学習法（67～82%）よりも有意に大きかった。本研究の結果、OCTを用いて緑内障を診断するのに 深層学習が有用で、特に訓練データが少ない場合には、転移学習を行う事が有用であることが分かった（Asaoka R et al. American J Ophthalmol 2019）。今後更に視野、光干渉断層計のデータ収集を進め、視野予測モデルの構築を行う。
2: おおむね順調に進展している
深層学習を用いて光干渉断層計を解析し、早期視野例の緑内障診断を行うモデルを構築・検証し、国際的に初めて報告した。視野、光干渉断層計の更なるデータ収集は順調に進行している。
視野、光干渉断層計の更なるデータ収集を更に推進し、視野予測モデルを構築する。
データ収集に伴う人件費などの費用、成果発表・報告費、モデル構築に伴う経費に使用予定。
すべて 2019 2018 その他
すべて 国際共同研究 (2件) 雑誌論文 (5件) (うち国際共著 1件、 査読あり 5件、 オープンアクセス 1件) 学会発表 (5件) (うち国際学会 3件、 招待講演 2件)
Am J Ophthalmol
巻: 198 ページ: 136-145
10.1016/j.ajo.2018.10.007
Ophthalmology Glaucoma
巻: in press ページ: in press
in press
巻: 199 ページ: 140-149
10.1016/j.ajo.2018.11.004
Scientific Reports
巻: 2 ページ: 14665
10.1038/s41598-018-33013-w
巻: 193 ページ: 71-79
10.1016/j.ajo.2018.06.007
