ハイブリッド学習によるLaxative-free CTコロノグラフィ検査法の開発

2023 年度 研究成果報告書

• 研究課題/領域番号: 21K07578
• 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52040:放射線科学関連
• 研究機関: 大島商船高等専門学校
• 研究代表者: 橘 理恵 大島商船高等専門学校, 情報工学科, 教授 (90435462)
• 研究期間 (年度): 2021-04-01 – 2024-03-31
• キーワード: CTコロノグラフィ / 電子クレンジング / 大腸がん検診 / 深層学習

研究成果の概要

本研究では3次元画像を用いた自己学習型GANによるEC手法と，virtual endoscopy像を用いたrecyle-GANによる EC手法を開発した．最終目標として両手法を組み合わせることによる最良のEC手法の実装を目指したが，virtual endoscopy像を用いたEC手法の精度が悪く，最終目標の実現に至らなかった．しかし，自己学習型GANによるEC手法では画像アノテーションのない小規模データセットに対してサブボクセル精度でECを実行できることが確認できた．

自由記述の分野

医用画像処理

研究成果の学術的意義や社会的意義

開発した自己学習型GANを用いた電子クレンジング手法は従来法に比べ,自然なクレンジング画像の生成を可能とした．臨床現場における使用が可能となれば，従来に比べCTコロノグラフィ検査による電子クレンジングの精度向上が期待でき，大腸がん検診における被験者の負担を減らす効果及び検診率向上が期待できる．