Automated organ segmentation in 3D medical images: Is uncertainty estimation by artificial intelligence useful for improving accuracy?

3D 医学图像中的自动器官分割：人工智能的不确定性估计是否有助于提高准确性？

• 批准号: 21K07674
• 负责人: 堀 雅敏
• 金额: $ 2.66万
• 依托单位: Kobe University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K07674/
• 关键词: 放射線診断; 人工知能; セグメンテーション; 不確実性; 精度; コンピュータ支援診断; CT; MRI; 放射線診断学

人工知能（AI）を応用して臨床に有用な技術開発を目指す多くの研究が試みられ、成功を収めている。しかし、その一方で課題も残っている。課題の一つとして、AI出力の「確からしさ」の評価が挙げられる。近年、学習済みAIのノードの一部をランダムに無効化する手法（Monte Carlo dropout）が、AI出力の「確からしさ」評価に有効であることが示された。本研究では、腹部3次元医用画像を対象にした臓器自動抽出について、AI出力の「確からしさ」の有用性を探っている。これにより、1) AIの示す結果を利用すべきか否かの指標を確立し、2) 教師データ作成の省力化、3) AIシステム精度の効率的な改善を目指している。また、複雑な臓器構造を有する腹部領域での成果は、全身に拡張することが容易と期待される。2022年度研究実施計画では、前年度に引き続いて腹部3次元医用画像（CT・MRI）データを収集することとなっていた。この計画に沿い、画像データを集積して、放射線診断医が腹部臓器の抽出を行い、臓器領域（肝臓・脾臓）の「正解」データを作成した。2023年度も引き続いてデータ整備の実施を計画している。画像データ集積と並行して、Monte Carlo dropoutを組み込んだAIシステム "Bayesian U-Net" を作成した。これにより、腹部3次元医用画像からの臓器自動抽出とその「確からしさ」（あるいは不確実性 "uncertainty"）を出力できるようにした。この"uncertainty"の臨床的有用性について、放射線診断医による評価を行うべく準備を行った。2022年度の研究により、画像データ集積と「確からしさ」評価のための基礎技術が確立され、本研究を継続する上で重要な成果を得た。

Artificial intelligence (AI) is used to develop clinically useful technologies, and many research projects are attempted and successfully implemented. The problem is that there is no way to solve it. The theme of the project is "true" and the AI contributes to the evaluation of "true". In recent years, the Monte Carlo dropout method has been used to study part of AI's application, and the evaluation of AI's output has been shown. This study explored the usefulness of AI in the automatic extraction of images from abdominal 3D medical images. These are: (1) indicators for the use of AI results;(2) labor-saving for teacher data creation;(3) indicators for improving the effectiveness of AI system accuracy. It is easy to expect the results of abdominal and whole body expansion due to the structure of complex organs. The 2022 research project was launched in 2010 and 2011, and 3D abdominal imaging (CT and MRI) was launched in 2011. This project includes the following aspects: image data collection, radiation diagnosis, extraction of abdominal organs, preparation of "correct solution" data in the field of organs (liver and spleen) In 2023, the Ministry of Education and the Ministry of Science and Technology launched a plan to implement the plan. Image collection and parallel, Monte Carlo dropout group, Bayesian U-Net 3-D medical images of the abdomen are automatically extracted and "accurate"("inaccurate") is generated. The clinical usefulness of this "uncertainty" and the evaluation of radiological diagnosis are discussed. 2022 research, image collection and evaluation of the basic technology has been established, this research will be important results

项目成果

Analysis of multiplanar integration based on uncertainty estimation in automatic segmentation of abdominal organs in 3D CT image using 2D Bayesian U-Net

使用 2D 贝叶斯 U-Net 进行 3D CT 图像腹部器官自动分割中基于不确定性估计的多平面积分分析

• DOI: 10.1117/12.2590794
• 发表时间: 2021
• 期刊: Proc. SPIE 11792
• 作者: Masaki Yuto;Otake Yoshito;Soufi Mazen;Hori Masatoshi;Onishi Hiromitsu;Tomiyama Noriyuki;Sato Yoshinobu
• 通讯作者: Sato Yoshinobu