敵対的生成ネットワークによる説明可能な3D-MRI画像識別モデルによる診断支援

使用可解释的 3D-MRI 图像识别模型（使用生成对抗网络）提供诊断支持

• 批准号: 22K12786
• 负责人: 吉田 真一
• 金额: $ 2.66万
• 依托单位: Kochi University of Technology
• 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 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12786/
• 关键词: CNN; GAN; Grad-CAM; MRI; X線; 説明可能AI; 敵対的生成ネットワークGAN; 医用画像; ニューラルネットワーク; ディープラーニング

医療画像判別用畳み込みニューラルネットワーク(CNN)と、画像条件（内容）の変換（描出）を行う巡回的敵対的生成ネットワーク(Cycle GAN)実行環境の整備を行った。実行環境には24GBのGPUボードを用いることとした。Cycle-GANの実行環境の整備および2次元画像についての実証は終了しており、一般的な顔画像の性別変換が行えることを確認しているが、データ数1000程度の場合十分な変換精度が得られないこと、変換の際に過学習のような現象（単純な明度変換のみなど）が確認された。また、胸部X線画像および脳MRI画像に対して既存の説明性手法として、Grad-CAMおよび画像の一部をマスキングするオクルージョンを用いる手法について検討した。MRI画像については、頭部T1強調画像、バイアス補正、線形標準化、脳領域セグメンテーション、全脳、白質、灰白質、脳髄液、非線形標準化、非線形標準化の変形場画像、非線形脳領域セグメンテーションの各画像についてCNNでの男女識別、および学習後モデルに対するGrad-CAMを行った。その結果、線形・非線形標準化後の画像において小脳、視床周辺、脳梁、脳幹が識別に寄与した部位として出力された。またオクルージョンを基にする手法においては、Harvard-Oxford atlasに基づいてFSL(FMRIB Software Library)を用いて48の皮質領域に分割した脳MRIのT1強調画像に対して、3D-CNNによる年齢の回帰を行ったモデル（決定係数0.75）について、縁上回、前頭極が比較的精度に寄与しているという結果になったが、他の部位との決定係数の差が大きくなく（0.4前後）、その説明性にはまだ検討が必要であるとの結果となった。また、アルツハイマー病の脳MRIデータセットADNIに対してGrad-CAMを行った結果では、形状などの低次特徴を認識している結果となり更なる検討が必要であることが分かった。

Medical portraits are used to determine the generation of equipment equipment in the environment by using the CNN (drawing) conditions (content) and the generation of the tour (Cycle GAN). The environmental protection 24GB GPU equipment will be used for environmental protection purposes. In the Cycle-GAN environment, the two-dimensional portrait system is used to make sure that the image is correct, the general image is correct, the number of images is 1000, the accuracy is very high, and the accuracy is very accurate. Chest X-ray portrait, chest X-ray portrait, MRI portrait, Grad-CAM portrait, chest X-ray portrait, chest MRI portraits are full-size, full-size, white-color, gray-color, non-shape-normalized, non-shape-standardized, non-shape-normalized, non-shape-standardized, non-shape-normalized, non-shape-normalized, non-shape-standardized, non-shape-normalized, non-shape-standardized, non-shape-normalized, non-shape-standardized, non-shape-normalized, non-shape-standardized, non-shape-normalized, non-shape-normalized, non-shape-standardized, non-shape-normalized, non-shape-standardized, non-shape-normalized, non-shape-standardized, non-shape-normalized, non-shape-normalized, non-shape-standardized The results of the test, the shape of the non-standard shape of the portrait is not small, the perimeter of the bed, the beam, the shape of the body, send it to the center of the body. In this paper, we use the method to divide the image of MRI T1 with the field of data 48. The precision of Harvard-Oxford atlas is sent to the field of image segmentation. The accuracy of the previous and previous results is sent to the image of the image, 3D-CNN, and the accuracy of each other. Other parts of the body determine that there is a big difference (before and after 0.4), and that it is necessary to determine the number of sexual symptoms. Do you know if you are sick or sick, you need to know more about the results of the MRI test, the ADNI test, the Grad-CAM test, the results of the results, the results of the results, the