ディープラーニングを用いた診断補助アルゴリズムに対する誤認知の検討

点击翻译按钮获取中文摘要

昨年度に研究の方向性を見直した結果、2022年9月に国際査読付きジャーナルEuropean Journal of Radiologyにて「Visual and quantitative evaluation of microcalcifications in mammograms with deep learning-based super-resolution」という論文を出版することができた。本研究では、マンモグラムに深層学習ベースの超解像（SR）モデルを適用し、視覚的および定量的な評価を行った。SRマンモグラムは、オリジナルのマンモグラムと比較して診断品質、コントラスト、シャープネスが向上し、特に微小石灰化に対して顕著な改善効果が見られた。ただし、ノイズ評価は低かったものの、知覚的画質評価器（PIQE）スコアによる画像評価では、SRマンモグラムの方が画質が良いことが示された。マンモグラフィに関してこの技術は、放射線科医にとって微細石灰化が不明瞭な高密度乳房などの困難な症例での検出率を向上させる可能性があるため、画期的な進歩となり得る。畳み込みニューラルネットワーク（CNN）に基づくSRモデルは、マンモグラフィ装置の変更を必要とせず、画像保存・通信システムに直接実装できるという利点がある。さらには、マンモグラフィに限らず、さまざまな放射線画像(MR、CT、Xpなど)に適用可能である。今後は、さらなる研究や技術開発を行い、より多くの医療現場に役立てることを目指していきたいと考えている。また、今回使用したデータをデータベース構築を行っている。データ収集や解析の過程で得られた情報を綿密に整理し、利用しやすい形にまとめることで、今後の研究活動の効率化と質の向上を目指す。データベースの整理には、適切なフォーマットへの変換や、データの正確性を保証するためのクリーニング、関連性や重要度に基づくデータの整理・分類などが含まれており、専門的な部分は外部にお願いした。