Evaluation of the importance of training data quality in AI for liver tumor ultrasound diagnosis

肝脏肿瘤超声诊断AI中训练数据质量重要性评估

• 批准号: 22K12863
• 负责人: 山川 誠
• 金额: $ 2.58万
• 依托单位: Shibaura Institute 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 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12863/
• 关键词: 超音波; AI; Deep Learning; 肝腫瘤; アノテーション

Deep Learningを用いたAI開発においては、教師データの質と量が重要である。そこで、本研究では肝腫瘤の検出および分類を行う超音波画像診断支援AIにおいて教師データの質と精度の関係を定量的に評価し、教師データの質の重要性を明らかにする。当該年度は、その最初の段階として、アノテーションが不十分な教師データから自動で正確なアノテーションを行う手法の開発に取り組んだ。本研究で使用している肝腫瘤超音波画像データはアノテーションの精度にバラツキがあるが、基本的にはアノテーションが行われている領域には１つの肝腫瘤が含まれている。そのため、検出の際の分解能を優先させ、Deep Learning手法としてはYOLOv4を用い、学習用のデータとしては申請者が手動で正確なアノテーションを行った約7000枚のデータを用いた。その結果、肝嚢胞に関しては比較的精度良く検出できたが、肝血管腫、肝細胞癌、転移性肝癌に関しては検出結果をそのまま正確なアノテーションとして用いるには不十分であった。そこで、Deep Learningの検出結果を初期値として動的輪郭（snakes）法を用いた肝腫瘤領域抽出を試みた。その結果、多くの画像では検出結果が改善した。ただし、ヒトが見ても腫瘍輪郭がわからないような画像においてはやはり正確な検出は難しいことが分かった。そのため、本研究ではDeep Learningおよびsnakes法による検出結果に対して最終的にヒトによる確認をし、必要であれば修正を行い正確なアノテーションを行った。また、今回正確なアノテーションを行ったデータに対して、元のアノテーション（教師データ）の質を定量的に評価した。その結果、アノテーション領域の大きさに対する誤差としては約10%、位置ずれ誤差としては約5%の誤差が含まれていたことが確認された。

Deep Learning を with い た AI open 発 に お い て は, teachers デ ー タ の quality と quantity が important で あ る. そ こ で, this study で は liver tumors の 検 out お よ び classification を portraits line う ultrasound diagnosis support AI に お い て teachers デ ー タ の qualitative と precision の masato is を に of quantitative evaluation of 価 し, teachers デ ー タ の qualitative の importance を Ming ら か に す る. When the annual は, そ の initially の Duan Jie と し て, ア ノ テ ー シ ョ ン が not quite な teachers デ ー タ か ら で automatically correct な ア ノ テ ー シ ョ ン を line う gimmick の open 発 に group take り ん だ. This study use で し て い る liver tumor ultrasound picture デ ー タ は ア ノ テ ー シ ョ ン の precision に バ ラ ツ キ が あ る が, basic に は ア ノ テ ー シ ョ ン が line わ れ て い る field に は 1 つ の liver tumors が containing ま れ て い る. そ の た め, 検 の interstate の can decompose を priority さ せ, Deep Learning technique と し て は YOLOv4 を with い, Learning with の デ ー タ と し て は applicants が で manually correct な ア ノ テ ー シ ョ ン を line っ た 7000 m の デ ー タ を with い た. そ の results, liver 嚢 cell に masato し て は compare the accuracy of good く 検 out で き た が, liver angioma, hepatocellular carcinoma, planning to move sex liver に masato し て は 検 results を そ の ま ま right な ア ノ テ ー シ ョ ン と し て in い る に は not quite で あ っ た. そ こ で, Deep Learning の 検 out on the early results を numerical と し て moving round を guo (snakes) method with い た liver tumor area drew を try み た. Youdaoplaceholder0 そ results, multiple く <e:1> portraits で 検 検 results が improvement た た. た だ し, ヒ ト が see て も swollen sores wheel guo が わ か ら な い よ う な portrait に お い て は や は り right な 検 out は difficult し い こ と が points か っ た. そ の た め, this study で は Deep Learning お よ び snakes method に よ る 検 results に し seaborne て final に ヒ ト に よ る confirm を し, necessary で あ れ ば fixed line を い right な ア ノ テ ー シ ョ ン を line っ た. ま た, today back to correct な ア ノ テ ー シ ョ ン を line っ た デ ー タ に し seaborne て, yuan の ア ノ テ ー シ ョ ン (teachers デ ー タ) の qualitative を に of quantitative evaluation of 価 し た. そ の results, ア ノ テ ー シ ョ ン field の big き さ に す seaborne る error と し て は about 10%, location ず れ error と し て は contains about 5% error が の ま れ て い た こ と が confirm さ れ た.

项目成果

乳腺腫瘤超音波画像診断支援AI開発における最適な教師データ作成条件の基礎的検討

开发人工智能支持乳腺肿瘤超声影像诊断的最佳训练数据创建条件的基础研究

• 发表时间: 2022
• 作者: 山川誠;神田美穂;大島萌;浪田健;椎名毅
• 通讯作者: 椎名毅

AMED事業によるJSUM超音波画像データベース構築とAI開発

通过AMED项目进行JSUM超声图像数据库建设和AI开发

• 发表时间: 2022
• 作者: 中西弘毅;大門雅夫;小室一成;山川誠;山川誠
• 通讯作者: 山川誠

超音波画像データベース構築と肝腫瘤・乳腺腫瘤鑑別AI開発

肝脏肿块和乳腺肿块超声图像数据库的构建和人工智能的开发

• 发表时间: 2023
• 期刊: 超音波TECHNO
• 作者: 中西弘毅;大門雅夫;小室一成;山川誠
• 通讯作者: 山川誠

超音波画像を用いた肝腫瘤鑑別診断AIについての基礎検討

基于超声图像的人工智能鉴别诊断肝脏肿块的基础研究

• 发表时间: 2022
• 作者: 山川誠;神田美穂;大島萌;浪田健;椎名毅;山川誠
• 通讯作者: 山川誠