| 研究課題/領域番号 |
20K08060
|
|---|
| 研究機関 | 藤田医科大学 |
|---|
研究代表者 |
寺本 篤司 藤田医科大学, 保健学研究科, 教授 (00513780)
|
|---|
| 研究分担者 |
塚本 徹哉 藤田医科大学, 医学部, 教授 (00236861)
今泉 和良 藤田医科大学, 医学部, 教授 (50362257)
齋藤 邦明 藤田医科大学, 保健学研究科, 教授 (80262765)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 画像生成 / 画像分類 / 特発性間質性肺炎 / 病理画像 |
|---|
| 研究実績の概要 |
本研究は、難病かつ希少疾患である特発性間質性肺炎の診断を支援するための技術として、画像生成・変換アルゴリズムを用いて多有病率の疾患に罹患した患者の画像から特発性間質性肺炎の画像を生成し、肺炎の有無、病型、重症度など診断に有効な情報を得る技術を開発することを目的とした。
2021年度までに主にCT画像を対象に特発性間質性肺炎領域の特定ならびに病型分類に関する検討を行ってきたが、2022年度は病理画像を対象とした様々な検討を行った。
2021年度後半からの継続した取り組みとして藤田医科大学病院を受診した特発性間質性肺炎ならびにその疑いのある患者について、肺生検によって作製した標本をWhole slide scannerにてスキャンし、病理画像のデータベース作成を行った。
そして、それらの画像を用いて教師あり学習法を用いて画像分類を行った。その結果、標本全体を対象に肺炎の分類を行うと良好な精度が得られないが、肺炎領域のみに限定して分類させると高い分類正解率が得られることが確認された。
特発性間質性肺炎は患者数が少ないため、さらに、敵対的生成ネットワークGANにて類似した肺炎像を大量に生成し、学習データとして利用する方法を試みた。本検討で利用したGANとして、高解像度の画像生成が可能なPGGANを採用し、高品位な病理画像が生成されることを確認した。生成画像を利用して画像分類処理を行ったところ、実画像のみを利用する場合に比べて良好な分類精度が得られた。
以上のように、画像生成技術と深層学習技術を併用した特発性間質性肺炎の診断支援技術について開発を行い、X線CTならびに病理画像を用いた画像変換・画像生成技術と画像分類技術が確立された。異種のモダリティ情報を相互変換する手法の開発はデータ数不足のため完成に至らなかったため、今後は症例数を増加させて再検討する必要がある。
|
