| 研究課題/領域番号 |
19K12120
|
|---|
| 研究機関 | 山口大学 |
|---|
研究代表者 |
間普 真吾 山口大学, 大学院創成科学研究科, 教授 (70434321)
|
|---|
| 研究分担者 |
呉本 尭 山口大学, 大学院創成科学研究科, 助教 (40294657)
平野 綱彦 山口大学, 医学部附属病院, 准教授 (00382333)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 深層学習 / ニューラルネットワーク / 医用画像 / 半教師あり学習 |
|---|
| 研究実績の概要 |
１．昨年度に提案したCycle GANによる画像補正方式を半教師あり学習に拡張した．昨年度までの方式は，教師ラベルなしで画像の見た目を補正（変換）することは可能だが，補正後に疾患の本質的な情報を保持できているとは限らない問題があった．したがって，大量の教師ラベルなし画像と少数のラベルあり画像を活用する半教師あり学習型Cycle GANを提案し，山口大学医学部附属病院，大阪大学附属病院で撮影された胸部CT画像に適用したところ，陰影識別性能においてその有効性を確認できた．
２．深層学習を甲状腺組織画像の識別に応用する研究を行った．深層学習では一般に大量の教師ラベル付きデータが必要だが，一つの医療施設では十分なデータを収集できるとは限らない．そこで複数施設のデータを合わせることが考えられるが，１．と同様に，異なる施設のデータ（画像）は特徴が異なるため補正が必要である．本年度は，Cycle GANによる補正の効果検証を目的とし，福井大学医学部附属病院から提供された複数施設の甲状腺組織画像を用い，6種類の癌と正常の識別を行った．その結果，補正によって複数施設のデータを効果的に学習に活用できることを確認した．
３．慢性閉塞性肺疾患（COPD）における身体活動性の予測に関する研究を行った．COPDの改善には身体活動性の予測が重要であるものの，どの検査項目が予測に有用であるか分かっていない．そこで，複数の検査情報を組合せ，身体活動性の予測を行うこと，またどの検査項目が重要であるかを明らかにする研究を行った．山口大学医学部附属病院から提供された検査データに対し，欠損値処理，自己符号化器を用いた事前学習，およびファインチューニングを行うことで身体活動性の予測が可能であること，また識別性能に影響の大きい検査項目を抽出できることを確認した．
|
| 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
昨年度に提案した方式を拡張した半教師あり学習型Cycle GANを構築できたこと，甲状腺疾患の識別を目的とした病理画像の識別器の構築ができたこと，および複数の検査項目から身体活動性の予測が可能な識別器の構築ができたことにより，本研究課題はおおむね順調に進展していると判断した．
|
| 今後の研究の推進方策 |
今年度までに得られた成果を基盤とし，胸部画像，病理画像，呼吸器疾患データ等に対する診断システムのさらなる改善を図っていく．複数の医療施設で収集された多様なデータに対して汎化性能の高いシステムとなることを目指す．
|
| 次年度使用額が生じた理由 |
当該年度はCOVID-19の影響により，調査・研究および成果発表においてオンラインでの活動が主となり，旅費の支出をせずに研究活動が可能であったため次年度使用額が生じた．次年度において，研究成果発表のための旅費や研究の遂行を加速させるための物品購入に使用する予定．
|
