体腔液細胞診におけるAI診断の開発－細胞像変化への対応と標本作製技術の検討－

体腔液细胞学AI诊断的发展 - 细胞图像变化的响应及标本制备技术的研究 -

• 批准号: 21K18077
• 负责人: 池田 勝秀
• 金额: $ 3万
• 依托单位: Nagoya University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K18077/
• 关键词: 体腔液細胞診; AI; Deep Learning; Liquid-based cytology; 診断

前年度に解析したAI判定と細胞診処理溶液との関係性を米雑誌に投稿し、12月に発刊された（Relationship between liquid-based cytology preservative solutions and artificial intelligence: Liquid-based Cytology specimen cell detection using YOLOv5 deep convolutional neural network. Acta Cytol. 2022;66(6):542-550.）。今年度は５種類の細胞株を使用して、Deep Learningによる深層学習モデルの作成を行い、AIによる細胞検出、細胞分類を実施した。標本作製法としてLBC法であるSurePath法、ThinPrep法、従来法であるAutoSmear法を用いて標本作製し、標本作製法がAI解析におよぼす影響を検討した。細胞形態像は解析結果に大きな影響を与えていることが判明し、学習モデルを作成した標本作製方法と検出する作製方法が異なる場合、細胞分類率は99.0％から54.6％まで低下することが明かとなった。さらに、学習させる細胞種類数が多くなればなるほど、細胞検出率は低下し、この二者間には相関関係がみられた。これらの研究結果から、標本作製方法はAI細胞検出に大きな影響を与えており、高検出率を望むためには、同一の方法が選択させるべきだと結論付けている。また、汎用性の高い深層学習モデル作成のためには、様々な標本作製方法で作製した細胞を学習させる必要があることを示唆している。本内容は、American Journal of Clinical PathologyおよびCytopathologyに投稿し、受理されている。

Relationship between liquid-based cytology preservation solutions and artificial intelligence: Liquid-based Cytology specific cell detection using YOLOv5 deep continuous neural network. Acta Cytol. 2022;66(6):542-550.）。This year, five cell strains were used, Deep Learning was performed, AI was performed, and cell classification was performed. The influence of the LBC method, the ThinPrep method and the AutoSmar method on AI analysis is discussed. Cell morphology analysis results are greatly affected by the differences in identification, learning, production, and production methods, and cell classification rates are 99.0% and 54.6% respectively. The number of cell species increased, the rate of cell detection decreased, and the correlation between them increased. The results of this study show that the method of production has great influence on the production of AI cells, and the method of production has great influence on the production of AI cells. High and deep learning in general is necessary for cell learning. This article is submitted to and accepted by the American Journal of Clinical Pathology.

项目成果

Relationship between a deep learning model and liquid‐based cytological processing techniques

深度学习模型与液基细胞学处理技术之间的关系

• DOI: 10.1111/cyt.13235
• 发表时间: 2023
• 期刊: Cytopathology
• 影响因子: 1.3
• 作者: Ikeda Katsuhide;Sakabe Nanako;Maruyama Sayumi;Ito Chihiro;Shimoyama Yuka;Oboshi Wataru;Komene Tetsuya;Yamaguchi Yoshitaka;Sato Shouichi;Nagata Kohzo
• 通讯作者: Nagata Kohzo

Relationship between Liquid-Based Cytology Preservative Solutions and Artificial Intelligence: Liquid-Based Cytology Specimen Cell Detection Using YOLOv5 Deep Convolutional Neural Network

液基细胞学保存液与人工智能的关系：利用YOLOv5深度卷积神经网络进行液基细胞学标本细胞检测

• DOI: 10.1159/000526098
• 发表时间: 2022
• 期刊: Acta Cytologica
• 影响因子: 1.8
• 作者: Ikeda Katsuhide;Sakabe Nanako;Maruyama Sayumi;Ito Chihiro;Shimoyama Yuka;Sato Shouichi;Nagata Kohzo
• 通讯作者: Nagata Kohzo