多次元医用画像における臓器・疾患横断型深層学習に基づく医師の暗黙知獲得と蓄積

この研究目指している多次元医用画像を用いた臓器や疾患横断型深層学習は、医療現場において大きな期待が寄せられている研究分野の一つです。この研究では、深層学習アルゴリズムを用いて多次元医用画像を解析し、病変部位の自動検出や診断支援を行い、医師の暗黙知獲得と蓄積に役立てることができます。これまでに、岐阜大学病院の倫理委員会の審査を受け、本研究計画と医用画像の使用が許可されました。岐阜大学で収集した医用画像を海外で公開された画像データセットと合わせて、本研究の基盤である大規模な人体画像のデータセットを構築しました。体幹部における人体の解剖構造を細分化し、医師の指導を受けて人体の主要な内臓と骨格・筋肉をCT画像から手動で抽出し、医用画像とその上に解剖構造を両方備えた教師データセットを作成しました。これにより、医用画像を用いた計算機の自己学習に必要とする知識データを整えました。医用画像からの解剖学的構造の認識・抽出、画像間の位置合わせ、症例の自動判別など、異なるタスクを共通の枠組みで学習する方法を提案しました。実験の結果、異なるタスクを実現するために構築したモデルに共通する特徴空間があり、計算機の学習によって医用画像における汎用的な医学知識の獲得が可能であることを確認しました。また、大量な医用画像データに基づいて様々なタスクに対応するモデルの構築を繰り返しながら、異なるモデルの共通部分を一つの「辞書」に効率的に集約する方法（辞書学習と呼ばれる）を構築し、初期的な実験結果を実施して性能が確認されています。

この研究目指している多次元医用画像を用いた臓器や疾患横断型深層学習は、医療現場において大きな期待が寄せられている研究分野の一つです。この研究では、深層学習アルゴリズムを用いて多次元医用画像を解析し、病変部位の自動検出や診断支援を行い、医師の暗黙知獲得と蓄積に役立てることができます。これまでに、岐阜大学病院の倫理委員会の審査を受け、本研究計画と医用画像の使用が許可されました。岐阜大学で収集した医用画像を海外で公開された画像データセットと合わせて、本研究の基盤である大規模な人体画像のデータセットを構築しました。体幹部における人体の解剖構造を細分化し、医師の指導を受けて人体の主要な内臓と骨格・筋肉をCT画像から手動で抽出し、医用画像とその上に解剖構造を両方備えた教師データセットを作成しました。これにより、医用画像を用いた計算機の自己学習に必要とする知識データを整えました。医用画像からの解剖学的構造の認識・抽出、画像間の位置合わせ、症例の自動判別など、異なるタスクを共通の枠組みで学習する方法を提案しました。実験の結果、異なるタスクを実現するために構築したモデルに共通する特徴空間があり、計算機の学習によって医用画像における汎用的な医学知識の獲得が可能であることを確認しました。また、大量な医用画像データに基づいて様々なタスクに対応するモデルの構築を繰り返しながら、異なるモデルの共通部分を一つの「辞書」に効率的に集約する方法（辞書学習と呼ばれる）を構築し、初期的な実験結果を実施して性能が確認されています。