| 研究課題/領域番号 |
21K15800
|
|---|
| 研究機関 | 東京医科歯科大学 |
|---|
研究代表者 |
藤岡 友之 東京医科歯科大学, 東京医科歯科大学病院, 講師 (60771631)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 人工知能 / 超音波 / 乳癌 / 生成画像 |
|---|
| 研究実績の概要 |
教師データ作成のために東京医科歯科大学病院で撮影された超音波検査の画像データならびに臨床データの収集を行った。
(超音波画像の撮影条件)：超音波装置;Aplio500(Toshiba社)、Aplio XG(Toshiba社)、体位; 仰臥位、観察者; 放射線科医師
(データの収集、ラベリングの方法)：東京医科歯科大学病院内の画像サーバーを検索し、対象期間内に乳房超音波検査を受けた患者データを入手する。患者情報を含まないように皮膚から胸壁の範囲をトリミングし、Jpeg形式で入手し、保存する。
乳房超音波の教師データ作成に必要な最終結果を入手するために超音波画像の読影結果(病変のサイズ、形、境界、BI-RADS カテゴリー [※悪性の可能性を示す指標])、生検や手術検体による病理診断(良悪性、組織型、病変のサイズ、悪性度)、臨床経過を取得する。得られた情報はデータベースとし連結可能匿名化した状態で整理して保管する。
また、解析用のパソコン、深層学習用PCのパラメーター調整を行った。解析用のパソコンは(OS: Ubuntu 18.04 LTS、CPU: Intel Core i7-9800、GPU: NVIDIA GeForce RTX 2080×2、RAM:32GB、SSD: 500GB、HDD: 1TB)を使用する。深層学習用ソフトウェアはDeep Analyzer(Ghelia社)をベースにプログラムの実行、調整を行う。GANのうち2017年に発表された、DCGAN (Deep Convolutional Generative Adversarial Network)とよばれる、畳み込みニューラルネットワーク使いたモデルをベースに、乳腺超音波の生成画像モデルの調整をおこなった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
超音波検査の画像データならびに臨床データの収集を目標の半数程度完了している。
超音波画像を患者情報を含まないように皮膚から胸壁の範囲をトリミングする作業が当初予定していたよりも収集に時間を要している。
解析用のパソコン、深層学習用PCのパラメーター調整については先行研究で実証済みであり、予定通りこの手法を用い研究を進めていく予定である。
|
| 今後の研究の推進方策 |
超音波検査の画像データならびに臨床データの収集を引き続き進め目標数を達成する。画像のトリミング、データベース作成を効率化するために技術補助員を雇用することを検討している。得られた情報はデータベースとし連結可能匿名化した状態で整理して保管する。
取得した画像を元に生成画像を作成する予定である。層の数、ノード数、活性化関数・バッチサイズなどを調整し、学習率が良くノイズ、ドロップアウト率の少ない画像生成を行える条件を決定する。また、いくつかの学習回数(50回、100回、200回、500回、100回など)による画像を作成する。画像診断医による画質の評価をフィードバックし適宜設定条件を変更する。
|
| 次年度使用額が生じた理由 |
新型コロナウイス感染症蔓延の影響で、初年度に予定していた学会に参加できなかった。これについては翌年以降に参加し、情報収集や成果発表を行う予定である。また、新型コロナウイス感染症蔓延の影響で技術補助員の雇用を見合わせていたが、必要に応じて雇用を行い研究を進めていく予定である。研究が遅れているためパソコンや装備品を初年度購入できなかったが、画像の解析や画像生成を進め、必要なパソコンや装備品を購入する予定である。
|
