| 研究課題/領域番号 |
19H03599
|
|---|
| 研究機関 | 岐阜大学 |
|---|
研究代表者 |
藤田 廣志 岐阜大学, 工学部, 特任教授・名誉教授 (10124033)
|
|---|
| 研究分担者 |
村松 千左子 滋賀大学, データサイエンス学部, 准教授 (80509422)
西尾 瑞穂 京都大学, 医学研究科, 特定助教 (50581998)
八上 全弘 京都大学, 医学研究科, 特定講師 (70580108)
富樫 かおり 京都大学, 医学研究科, 教授 (90135484)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 計算機支援画像診断 / 深層学習 / 画像データベース / 胸部CT画像 / 導入後学習 |
|---|
| 研究実績の概要 |
１．肺結節の公開データセットとgenerative adversarial network (GAN)を利用して，肺結節画像を生成した．肺結節の画像生成の際に結節のサイズの情報を参照しており，これにより生成画像の肺結節のサイズの変更もできることが分かった．
２．CycleGANを用いて，乳腺腫瘤からのドメイン変換により肺結節のCT画像の生成実験を行った．生成した画像を学習に用いて，CNNによる肺結節の良悪性鑑別モデルの性能評価を行った．
|
| 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
１．肺結節のデータセットとしてLUNA16（https://luna16.grand-challenge.org/Data/）を，GANのモデルとして3D pix2pixを用いた．画像生成時に肺結節のサイズの情報を利用するように 3D pix2pix を改変することで，質の高い3D肺結節画像を生成できることができた．3D pix2pixで生成された肺結節画像は実画像とほぼ区別不可能なレベルとなり，放射線科医の生成画像・本物のCTの鑑別のROC-AUCが0.6を下回った．また，生成画像を深層学習の訓練にも用いることもでき，実画像での訓練と生成画像での訓練は同等のパフォーマンスであった．
２．CycleGANを用いてマンモグラフィ上の腫瘤画像からCT画像上の肺結節の生成を行った．そして，乳腺腫瘤からのドメイン変換により，生成画像の画質が改善され，結節の特徴もある程度コントロールすることが可能となった．次に病変の種類を条件として持たせ，良悪性の結節を生成した．その結果，それぞれの特徴を持った結節の作成に成功し，これらを結節分類CNNモデルの学習ケースに用いたところ，わずかではあるが分類精度が改善されることが明らかとなった．
|
| 今後の研究の推進方策 |
１．京都大学の肺結節データベース（DB）を使って，サイズ以外の情報も考慮して画像生成をする．同DBには肺結節に関する多数の属性情報が記載されており，これの一部を画像生成に使う．また，結節以外の背景部分もより自然な画像生成ができることを目指す．
２．これらと並行し生成画像を利用する研究も行う．
３．自己学習機能を備えた新しいAI型のコンピュータ支援診断（CAD）システムの構築を目指し，新症例が追加された際にどのように学習を行うのが有効であるかなどの検討を行う．正解ラベルが得られていない症例を学習に使用することの有用性についても検討を行う．
|
