研究課題/領域番号 |
20K05362
|
研究機関 | 九州工業大学 |
研究代表者 |
高林 正典 九州工業大学, 大学院情報工学研究院, 准教授 (70636000)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
キーワード | 定量位相イメージング / ディジタル組織診断 / 高解像化深層学習 / 分類学習器 |
研究実績の概要 |
本研究は,染色なしで定量的な組織診断を可能にする「定量位相イメージングを用いた病理診断」において,AI技術を適用してスループットと診断の正確性を大幅に向上させることを目的とする.具体的には,(1)従来,組織全体の高解像定量位相画像を取得するために狭視野高解像の画像を複数枚貼り合わせる必要があった撮像過程に,低解像画像を高解像画像に変換する高解像化ディープニューラルネットワークを適用し,広視野高解像定量位相画像を瞬時に取得できるようにする.また,(2)定量位相画像から抽出可能な特徴量を利用した組織診断過程に,分類学習器や深層学習を用いることで,複数の特徴量を効果的に組み合わせた高精度識別を行えるようにする. 当初計画では,2020年度および2021年度に(1)に関する研究を,2022年度に(2)に関する研究を行うとしていたが,新型コロナウイルスの流行により,2020年度に引き続き2021年度も非実験課題を優先することにした.一部計画の順番に変更が生じたが,今のところ研究全体に遅れは生じないと考える. (1)2020年度に高解像化ニューラルネットワークの一つであるSRCNNを構築し,定量位相画像を高解像化できることを定性的に確認した.2021年度は高解像化品質とそれを用いた乳がん組織の良性悪性診断の識別率を定量的に評価した.現有の定量位相画像を画像処理によって低解像化した画像を高解像化した画像のPSNRおよび乳がん識別率を比較した.評価フローは完成したが,低解像化されることによって低下した識別率が高解像化深層学習によって低解像化される前の画像を用いた識別率の水準まで回復することは確認できなかった.今後は別の高解像化深層学習モデルの適用を試す必要がある.(2)新しい識別マーカーである局所エントロピーを提案し,それも含めた複数のマーカーを用いた識別フローの改良に着手した.
|
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
2020年度に続き2021年度も新型コロナウイルスの世界的な流行という想定外の事態が起こり,実験の継続的遂行が可能かどうかという点が不透明だったこともあり,2020年度に引き続き2021年度も非実験課題を優先することにした.研究計画の順番を一部変更したが,研究計画全体の遂行という点では大きな問題は生じておらず,概ね計画通り進んでいるといえる. (1)実験による画像取得に至らなかったところはやや想定外であったが,低解像定量位相画像を数値的に生成することによって本研究で行うべき定量位相画像の高解像化および当該画像からのマーカー抽出,乳がん組織の良性悪性識別のフローを確立できた意義は大きい.また,高解像化深層学習のモデルを複数検証する必要が生じた点も計画外であったが,現在問題なく進行している.さらに実験の準備においてノイズや画像結合の問題が生じたため実験系を再考することになったがカメラの変更等によって解決の目処が立っている.(2)2020年度に定量位相画像から抽出可能な複数マーカーを用いた分類学習器による分類を行い,適切な組み合わせを用いることにより,単独マーカーを用いるよりも高い識別率を達成できることが分かった.今年度は新しいマーカーとして定量位相画像の局所エントロピーを加え,それも含めた複数のマーカーを用いた識別フローの改良に着手することができた.これは計画時の期待よりも発展している. 以上を総合して「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 |
(1)については,高解像深層学習モデルの構築と比較検討,実験によるデータ取得を実施する.すべての項目について実施の目処が立っている.(2)については,引き続き新しいマーカーを加えた複数マーカーによる識別フローの改良および胸部組織以外の組織への適用などを検討する.
|
次年度使用額が生じた理由 |
新型コロナウイルスの流行により,数値計算系の研究を優先させたため,実験関連の支出計画を変更した.特に消耗品(組織アレイ等)の購入は実験実施直前が良いと考え,今年度も支出を見送った.また,学会のオンライン化の影響で旅費の支出がなくなったため,旅費の支払予定額に変更が生じた.次年度は組織アレイなどの各種消耗品,学会や学術論文の渡航・参加・出版費用に充てる予定である.
|