Automatic creation of a large amount of virtual normal and abnormal medical images

点击翻译按钮获取中文摘要

胸部単純写真においては、架空画像の生成、異常病変の生成、埋め込みを全体として実装するところはすでに成功している。今回はそれを用いて、架空の(肺癌を模倣した)肺結節病変を有する架空の胸部単純写真を多量生成し、それにより病変検出AIを学習させた。学習させたAIは、実際の肺癌などの症例の胸部単純写真で性能評価を行った。架空画像は512x512の解像度を持ち、医師が肉眼で確認しても真贋の区別がつかない程度のクオリティが得られた。これを65536枚生成し、AIの学習を行った。ここで、AIの学習において、架空病変を埋め込んだ画像のほか、埋め込む前の画像も利用可能であるが、このような病変あり/なしの画像ペアを効率的に学習する手法は知られていなかった。このため、このような画像ペアを効率的に学習できるフレームワークを作成した。具体的には、新規に評価関数(コストファンクション)を考案し、単一のU-netで病変あり/なしペアを効率的に学習できるようにすることに成功した。ここで、学習時には病変あり/なしペアを使うが、実際にAIを利用するときにはペアが必要とはならないように評価関数を工夫した。研究成果は国際学会(CARS)、国内学会(電子情報通信学会 医用画像研究会)で発表した。