Development of a diagnostic imaging system with abnormality detection by learning "normality" and a " instructive" structure.

通过学习“正常”和“指导”结构开发具有异常检测功能的诊断成像系统。

• 批准号: 22K07674
• 负责人: 和田 昭彦
• 金额: $ 2.66万
• 依托单位: Juntendo University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 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/grant/KAKENHI-PROJECT-22K07674/
• 关键词: 機械学習; 頭頸部癌; 異常検出; 画像診断; ビッグデータ; 注意機構; 人工知能（AI); 説明可能なAI

本研究の初年度は、主にデータ収集と初期のAI学習・構築を進めてきた。本研究の対象とする頭頸部癌の画像データセットを作成するために、自施設での臨床データの収集と整理を開始した。機械学習モデルの構築では教師データの量とともに質がその精度に大きく影響する。現時点で構築できる画像認識モデルはプロトタイプであり最初から高い精度を達成することは難しいと考え、ますは良質なデータ収集の経験を積むことを第1目標とした。また本研究の特色である"正常らしさ"を学習させるための基礎となるデータの構築に関して、過去の報告や自らの経験を元に試行錯誤を行っている。頭頸部癌の画像データセット作成とともに臨床診断・経過などのデータ収集、各症例での原病変の進展程度やリンパ節転移についてAIを学習させるためのデータ構築の準備を進めている。画像認識モデルの構築では、頭頸部で頭尾方向に広がる構造の特徴を記憶する機構であるLong Short Term Memory の適用に向けて、他の時系列データの扱いの経験を積むことで、本研究の進行の円滑化を目指している。病変検出精度を向上させるAttention 機構の実現には、Attention Branch Networkを導入し、データ収集が比較的容易な一般画像でのモデル構築・学習を開始している。J-MIDからのビッグデータ収集に関しては、まだ準備段階で担当者との今後の進捗について打ち合わせを続けている。

In the <s:1> initial year of this study, タ and the main にデ タ タ タ published と initial <s:1> AI learning and construction を advanced to めて た た た. This study の like と seaborne す る head and neck cancer の portrait デ ー タ セ ッ ト を made す る た め に, since the set で の clinical デ ー タ の 収 set と finishing を began し た. Rote learning モ デ ル の build で は teachers デ ー タ の quantity と と も に qualitative が そ の precision に big き く influence す る. Now point で build で き る portrait know モ デ ル は プ ロ ト タ イ プ で あ り initially か ら high precision い を reach す る こ と は difficult し い と え test, ま す は good quality な デ ー タ 収 set の 経 験 を product む こ と を 1 goal と し た. ま た の this study characteristic で あ る "normal ら し さ" を learning さ せ る た め の based と な る デ ー タ の build に masato し て や, past の report since ら の 経 験 を yuan に line trial error を っ て い る. Head and neck cancer の portrait デ ー タ セ ッ ト made と と も に clinical diagnosis, ever 経 な ど の デ ー タ 収 sets, all cases で の original disease - の progress や リ ン パ festival planning move に つ い て AI を learning さ せ る た め の デ ー タ build の prepare を into め て い る. Portrait know モ デ ル の build で は, head and neck and the head and tail direction で に hiroo が る tectonic の 徴 を Memory す る institutions で あ る Long Short Term Memory に の apply to け て, while he is の series デ ー タ の Cha い の 経 験 を product む こ と で, this study の の has drifted back towards &yen; slippery turn を refers し て い る. Disease - 検 out precision を upward さ せ る Attention institutions の be presently に は, Attention Branch Network を import し, デ ー タ 収 set が compare easy な general portrait で の モ デ ル, constructing learning を start し て い る. J - MID か ら の ビ ッ グ デ ー タ 収 set に masato し て は, ま だ prepare Duan Jie で undertaker と の の into future 捗 に つ い て play ち close わ せ を 続 け て い る.