| 研究課題/領域番号 |
21H03470
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
|---|
| 研究分担者 |
岩本 祐太郎 立命館大学, 情報理工学部, 助教 (30779054)
韓 先花 山口大学, 大学院創成科学研究科, 准教授 (60469195)
古川 顕 東京都立大学, 人間健康科学研究科, 教授 (80199421) [辞退]
金崎 周造 滋賀医科大学, 医学部, 非常勤講師 (90464180)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | 肝臓がん / 深層学習 / アテンション機構 / 弱教師あり学習 / 教師なし学習 / 肝臓腫瘍セグメンテーション / 早期再発予測 |
|---|
| 研究実績の概要 |
肝臓がんは、平均5年生存率が30％程度とがん全体の中でも極めて低く、正確な診断に基づく早期発見が求められる。肝臓がんの診断には、マルチフェーズCT画像（造影剤を注入してから経時的に複数回の撮像で得られたCT画像）がよく用いられる。近年深層学習を代表とする人工知能による肝腫瘍性病変の診断支援が多く研究されているが、既存手法では、個々のフェーズから特徴を抽出し、診断を行っていたため、診断精度は80%に留まっていた。また、事前に腫瘍を検出または分割する必要があった。本研究では、学習により腫瘍の種類毎にフェーズ間の重みを自動的に調整し、鑑別に重要なフェーズを強調可能なフェーズアテンション機構を提案する。マルチフェーズCT画像から有効時空間特徴抽出法を確立するとともに、腫瘍領域のアノテーションを必要としない弱教師学習による肝腫瘍性病変の検出・鑑別法を確立する。以下の研究成果が挙げられた。
(1)フェーズ内アテンション機構とフェーズ間アテンション機構を提案し、マルチフェーズCT画像における肝臓腫瘍を高精度にセグメンテーションすることができた。
(2)フェーズアテンション深層学習モデルを提案し、マルチフェーズCT画像を用いた肝臓がんの術後再発を高精度に予測することができた。
(3)敵対的生成ネットワークを用いた弱教師あり学習法と教師なし学習法による肝臓腫瘍の検出とセグメンテーション法を開発した。
(4)TIP, TMI, JBHI, MICCAI, AAAI, ICCVなどのトップ学術誌及び国際学会で成果を発表してきた。
(5)General Chairとして、2021年6月に国際学会 InMed2021を主催し、国際連携ネットワークを構築した。
|
| 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
計画通りに以下の成果が得られた。
(1)フェーズ内アテンション機構とフェーズ間アテンション機構を提案し、マルチフェーズCT画像における肝臓腫瘍を高精度にセグメンテーションすることができた。
(2)フェーズアテンション深層学習モデルを提案し、マルチフェーズCT画像を用いた肝臓がんの術後再発を高精度に予測することができた。
(3)敵対的生成ネットワークを用いた弱教師あり学習法と教師なし学習法による肝臓腫瘍の検出とセグメンテーション法を開発した。
(4)TIP, TMI, JBHI, MICCAI, AAAI, ICCVなどのトップ学術誌及び国際学会で成果を発表してきた。
|
| 今後の研究の推進方策 |
今後は以下の研究項目を中心に研究を進めていく。
(1)フェーズアテンションとチャンネルアテンション、空間アテンションを融合した複合アテンション機構を新たに開発し、高精度な肝臓がんの支援診断システムを開発する。
(2)少ないデータでも学習できる、新たな弱教師学習と半教師学習のフレームワークを開発する。
(3)マルチフェーズCT画像だけではなく、マルチフェーズMR画像や顕微鏡画像などの融合による高精度な肝臓がんの支援診断システムを開発する。
|
