研究課題
2019年度は以下の3項目について実施した。(1)ディープラーニングを用いた半自動セグメンテーションによる汎用的な病変形状ラベル推定手法の初期検討として、周囲とのコントラストが異なる2種類の病変（胸部CT画像の肺結節、EOB-DTPA造影肝臓MR画像の肝結節性病変）の領域抽出を1種類の病変のみで学習したモデルで実現可能かを検討した。モデルには3D FC-ResNetを使用し、元画像および病変の位置・サイズ情報より生成した球状マスク画像を入力とした。モデルの学習において白黒反転によるdata augmentationを併用することで、1種類の病変のみで学習したモデルで他種類の病変領域抽出が良好に行えることが示された。また、構築した半自動セグメンテーション手法の実装を予定しているwebベースの画像データベース(CIRCUS DB)について公開に向けた準備を進めた。システムの概要についてはIJCARS誌に掲載された。(2)円形領域で定義した病変形状ラベルを用いた胸部X線写真の肺腫瘤自動検出についてさらなる検討を行った。成果はJournal of Supercomputing誌に掲載が決定した論文の一部に含まれている。(3)病変の存在のみが既知な症例を用いた病変検出について、胸部X線写真を対象としたディープラーニングによる異常検知手法について検討した。モデルは敵対的生成モデル(GAN)とFlowベースの生成モデルGlowの2種類について検討した。
2: おおむね順調に進展している
昨年度より進めていた円形領域で定義した病変形状ラベルを用いた胸部X線写真の肺腫瘤自動検出については論文誌に掲載が決定し、半自動セグメンテーションによる汎用的な病変形状ラベル推定手法について検討を進めることができ、おおむね順調に進捗している。また、病変の存在のみが既知な症例を用いた病変検出について、異常検知を用いた手法について検討することができた。
半自動セグメンテーションによる汎用的な病変形状推定手法については対象とする病変の種類を増やした検討を進めていくとともに、構築した手法で推定したラベルを用いた病変自動検出の性能改善について検討を進める予定である。
次年度使用額が生じたのは、残額が少額だったためである。次年度は大容量メモリ搭載GPUなどの物品購入、成果発表に必要な国内外の学会参加のための旅費、学会参加費、英文校閲費、投稿料などに使用する予定である。
すべて 2020 2019
すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 1件) 学会発表 (1件) (うち国際学会 1件)
Journal of Supercomputing
巻: － ページ: －
10.1007/s11227-020-03164-7
Int J Comput Assist Radiol Surg
巻: 15 ページ: 661-672
10.1007/s11548-020-02132-z
