研究課題/領域番号 |
20K11944
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分61030:知能情報学関連
|
研究機関 | 近畿大学 |
研究代表者 |
根本 充貴 近畿大学, 生物理工学部, 講師 (10451808)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
キーワード | コンピュータ支援診断AI / 弱教師学習 / 医用画像 / 3D U-Net / 適応的閾値処理 |
研究成果の概要 |
本研究では主に、教師あり機械学習の枠組みにカルテデータの病変情報を融合し、病変領域教教師ラベルのない医用画像上に高精度な教師ラベルを自動付与する手法を提案し実験的に検討を行った。提案法は、病変位置座標と病変長径のみから複数の3次元拡張U-Netを用いて病変領域教師ラベルを推定するものである。肺結節を対象とした検証実験では、Solid、GGO、Mixed-GGOの3種類の結節いずれも良好なDice係数を伴う推定教師ラベルを取得できた。 また病変領域抽出に重要な画素識別の検討も行った。教師無し画素異常検知に基づくFDG-PET/CT像上の多種病変検出処理を提案し、論文にて発表した。
|
自由記述の分野 |
画像診断支援
|
研究成果の学術的意義や社会的意義 |
本研究は、画像診断支援AIシステム開発において不可欠なデータである"病変領域教師データ"の生成コストを大幅に削減することに寄与する可能性を秘めた研究である。この病変領域教師データは、専門知識を持つ放射線診断医が画素単位で手入力することでしか作成することができない。よって、病変領域教師データの作成および収集における人的・時間的コストは極めて大きい。本研究は、このようなデータ作成を少数に抑えることができ、かつ病院に蓄積された診断データを教師ラベルの作成作業無しに後ろ向き研究利用するための方策となりうる。この技術を用いることで診断支援AIシステムの開発速度向上が見込めることから、社会的意義は高い。
|