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

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。

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。