| 研究課題/領域番号 |
18K07736
|
|---|
| 研究機関 | 近畿大学 |
|---|
研究代表者 |
浅井 義行 近畿大学, 大学病院, 技術職員 (30639307)
|
|---|
| 研究分担者 |
山室 美佳 近畿大学, 大学病院, 技術職員 (90837866)
村上 卓道 神戸大学, 医学研究科, 教授 (20252653)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2024-03-31
|
| キーワード | マンモグラフィ / 乳腺密度 / 個別化検診 / 人工知能 / ディープラーニング |
|---|
| 研究実績の概要 |
研究期間全体を通じて，3次元乳腺密度（以下，乳腺密度）の定量化の重要性を証明するとともに，人工知能（AI）技術の一種であるディープラーニングを用いて高精度かつ再現性に優れた乳腺密度計測手法を確立した．最終年度前年までの主な成果は以下のとおりである．1)乳腺密度可変型実乳房等価ファントムを開発し，ROC解析を使ってマンモグラフィにおける病変見落としと乳腺密度のあいだの有意な相関性を定量化した．2)乳腺密度計測において最も重要な因子となるマンモグラム中の脂肪領域の画素値を高精度に算出する手法を開発した．3)ディープラーニング技術を用いてマンモグラムにおける乳腺領域を自動抽出する手法を確立した．このことで主観による乳腺領域抽出が再現性に欠けるという問題を解決した．4)乳腺密度計測にはマンモグラムの生画像が必要となるが，生画像が保存されていない過去のマンモグラフィについても乳腺密度の算出を可能とする重回帰式を構築した．このことで乳腺密度の時系列解析を可能とし，乳腺密度の経時変化をバイオマーカーとした将来の乳癌発症予測研究の発展に貢献した．
上記4)で構築した乳腺密度推定式は従来の数学的手法を用いた重回帰式によるものであり，その推定精度は86%であった．そこでさらなる精度向上を目指し，最終年度はディープラーニング技術の一種であるResNetによる乳腺密度推定を試みた．その結果，乳腺密度推定精度を92％まで向上させることに成功した．また，乳腺密度推定に対してResNetが最適なアルゴリズムであることを保証するため，予測・回帰問題に適したマシンラーニング技術であるランダムフォレスト及びXGブーストによる推定結果と比較し，乳腺密度推定についてはResNetが有意に優れていることを明らかにした．
これらの成果は我が国における個別化乳癌検診の導入と発展に寄与するものである．
|
