| 研究課題/領域番号 |
19K08131
|
|---|
| 研究機関 | 東海大学 |
|---|
研究代表者 |
高原 太郎 東海大学, 工学部, 教授 (50308467)
|
|---|
| 研究分担者 |
吉岡 直紀 国際医療福祉大学, 大学病院, 教授 (10292913)
風間 俊基 東海大学, 医学部, 准教授 (70375781)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| キーワード | DWIBS / 乳癌 / MONAI / efficient net |
|---|
| 研究実績の概要 |
これまでの報告内容を基に、先端的AI技術会議であるNVIDIAのGTCで、そのまとめを講演した。以下にその主要な議論点を再掲し、詳細に展開する。
1) 検診結果の判定について検討した。これまでのデータに基づくと、軽微な異常（A判定：異常なし、B判定：嚢胞など軽度の異常で心配なし）が全体の判定の80%を占めることが明らかになった。このような軽微な異常の判定を効率化するため、Anomaly GANを用いてAnomaly値判定を行い、これらを迅速に分類・除外する試みを行った。これにより、臨床現場の効率を大きく改善刷る可能性がある。また、迅速な診断によって受診者が結果を受け取るまでの待ち時間を短縮することが可能となり、受診者体験の改善にも寄与すると思われる。
2) ドゥイブスマンモグラフィ(DWIBS Mammography: DWIBS-MMG)の診断能力について再確認した。元画像の診断能力（背景に対する腫瘍のコントラスト; CNR）が非常に高いという特性から、これにAI技術を組み合わせることで、非常に高精度な診断結果が得られる可能性がある。我々の実験でもその可能性を確認し、DWIBS-MMGとAIの組み合わせは、新たな診断技術の一つとして期待できる。
3) NVIDIAの新しいAI solution、MONAI COREの導入について報告する。以前はXcetpionを用いたが、MONAI COREを導入した結果、診断成績がさらに向上することを確認した。また、efficient netの利用により、その効果は一層引き立ち、ROCで90%を超える結果を達成した。特に、この手法により、難解とされてきた濃縮嚢胞の診断が大幅に改善されたことを実証した。
|
| 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
データ入力の手間がかかり、時間がかかっているため。
これらについては、キャノン製の新しいタブレット型Segmentation toolを用いる予定である。
|
| 今後の研究の推進方策 |
延長した最終年の本年は概要で記述した内容をまとめて論文化することを計画している。
|
| 次年度使用額が生じた理由 |
論文作成などに使用する予定である。
|
