Development of image processing techniques using deep learning for automatic diagnosis and diagnosis supporting

点击翻译按钮获取中文摘要

2022年度の検討事項は前年度に構築したMRIに基づく肝線維化ステージ判定システムの改善と診断補助に向けた画像表示に関する検討を行った。従来の検討では，単一の畳み込みニューラルネットワークに基づいた肝線維化ステージ判定システムを構築して評価を行ってきた。2022年度の検討では，知識蒸留を利用することを考慮し，畳み込みニューラルネットワークを並列に配置したネットワーク構造を導入した。これにより，相互学習が可能となり，さらに診断部の切り抜き画像と合わせて分類処理を行うことで，より正確な分類が可能となった。その結果，パッチ単位の診断ではなく，被診断者に対する肝線維化ステージ判定の精度向上を実現した。また，これまで単一画像として入力したものを複数画像に分割して入力するMLP等の新たなネットワーク構造を用いることによる分類精度の改善とMRIからの診断すべき肝臓位置の推定と合わせて総合的な自動化について開発を進めている。また，診断補助に向けた画像表示として，RISEによる判断根拠可視化で肝線維化ステージ判定の際の注目すべき領域を表示する検討を行った。RISEはブラックボックスアプローチよる可視化手法あり，多数のランダムマスクパターンを適用するような手法であるため，実際の診断補助に用いるためには処理時間の短縮が課題となる。検討により，RISEによる注目領域算出の際に用いるマスクパターンを，通過頻度を領域ごとに一定にしたマスクと特定の単一領域に限定したマスクの併用とした手法により，適用マスク数を削減し，高速化および精度向上を実現した。この結果については国際学会での発表も行った。