造影を利用したカラー写真における網膜非灌流領域の深層学習による病態解明基盤構築

使用对比成像对彩色照片中的视网膜非灌注区域进行深度学习，建立一个阐明病理状况的平台

• 批准号: 22K16980
• 负责人: 坂本 晋一
• 金额: $ 2.91万
• 依托单位: Jichi Medical University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K16980/
• 关键词: 深層学習; 網膜非灌流領域; 糖尿病網膜症; 網膜静脈閉塞症; カラー眼底写真; 眼底写真

超広視野（UWF）画像から疑似カラー眼底写真の非灌流領域（NPA）の大きさを推定するためのPraNetベースのディープラーニングモデルを提案することを目的とし、クラスが偏ったデータセットに対応するため、焦点損失と重み付け二値クロスエントロピー損失でモデルを学習し、検証損失を最小化するためにハイパーパラメーターを最適化した。その結果、PraNetベースのディープラーニングモデルは、予想通り、過去に発表された方法を上回る結果を得た。検証には、NPAを有するUWF眼底画像を用い、Bland-Altmanプロットを用いてFA(蛍光眼底造影検査)における推定NPAとグランドトゥルースを比較し、eNPAとグランドトゥルースの間の偏りは信頼限界域の10%より小さく、外れ値の数は観察したペア画像の10%より小さいことを実証しました。また、他施設の外部データセットでモデルの精度を検証したところ、モデルの一般性が確認された。検証のために、推定NPA（eNPA）の感度と特異度を判定するROC解析に分割表を採用した。その結果、感度は83.3～87.0％、特異度は79.3～85.7％であることが示された。以上のことから、PraNetベースのディープラーニングを用いて、血管造影を行わずにUWF画像のみからNPAサイズを推定できるAIモデルが開発された。以上を指導した伊野田悟氏を筆頭にしつつ重要共著者としてscientific reportsへ投稿し、掲載された。現在さらに精度を向上させるためにデータを増やし他の様々なニューラルネットワークを試している。

UWF image from suspected fundus image to non-perfused area (NPA) large area estimation, PraNet image to non-perfused area (NPA) large area estimation, focus loss, focus loss. The results of PraNet's research and development are as follows: The UWF fundus imaging system, Bland-Altman fundus imaging system, and FA(fundus imaging system) were used to estimate the NPA fundus imaging system. The eNPA fundus imaging system was used to estimate the NPA fundus imaging system. The accuracy of the external data set is verified. The generality of the data set is confirmed. Detection and estimation of NPA (eNPA) sensitivity and specificity are determined by ROC analysis and segmentation table. The results showed that the sensitivity was 83.3~87.0%, and the specificity was 79.3~85.7%. The above results show that UWF images are not available for use in angiography, and that AI images are available for evaluation. The above guidance is provided by the author of the important scientific reports Now the accuracy is up.

项目成果

超広角走査型レーザー顕微鏡眼底画像から造影剤検査の必要性を推定する深層学習モデル

通过超广角激光扫描眼底图像估计造影剂测试需求的深度学习模型

• 发表时间: 2022
• 作者: Inoda Satoru;Takahashi Hidenori;Yamagata Hitoshi;Hisadome Yoichiro;Kondo Yusuke;Tampo Hironobu;Sakamoto Shinichi;Katada Yusaku;Kurihara Toshihide;Kawashima Hidetoshi;Yanagi Yasuo;長岡広祐
• 通讯作者: 長岡広祐

情報処理装置、情報処理方法及びプログラム

信息处理装置、信息处理方法及程序

• 发表时间: 2021