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

基本信息

  • 批准号:
    22K12863
  • 负责人:
  • 金额:
    $ 2.58万
  • 依托单位:
  • 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

项目摘要

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

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
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
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 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
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 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
  • DOI:
  • 发表时间:
    2023
  • 期刊:
  • 影响因子:
    0
  • 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
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 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
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

山川 誠其他文献

光音響信号の多波長解析によるアニサキス検出
通过光声信号的多波长分析进行异尖线虫检测
  • DOI:
  • 发表时间:
    2021
  • 期刊:
  • 影响因子:
    0
  • 作者:
    吉田 奈央;浪田 健;近藤 健悟;山川 誠;椎名 毅
  • 通讯作者:
    椎名 毅
光音響イメージングによる脂肪率定量評価法の基礎的検討
光声成像定量脂肪率评价方法的基础研究
  • DOI:
  • 发表时间:
    2021
  • 期刊:
  • 影响因子:
    0
  • 作者:
    木内 那由;浪田 健;近藤 健悟;山川 誠;椎名 毅
  • 通讯作者:
    椎名 毅
周波数領域干渉計法を用いた超音波イメージング法における適切な周波数平均幅
使用频域干涉测量法进行超声成像的适当频率平均宽度
  • DOI:
  • 发表时间:
    2013
  • 期刊:
  • 影响因子:
    0
  • 作者:
    瀧 宏文;阪本卓也;山川 誠;椎名 毅;佐藤 亨;瀧 公介;工藤 基
  • 通讯作者:
    工藤 基
鋼構造骨組の離散最適化問題における局所探索法の初期値依存性
钢结构框架离散优化问题中局部搜索法的初值依赖性
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    大熊涼介;山川 誠;中川 佳久
  • 通讯作者:
    中川 佳久
ハンドヘルド型装置による光音響像の高画質化のための基礎的検討
使用手持设备提高光声图像质量的基础研究
  • DOI:
  • 发表时间:
    2017
  • 期刊:
  • 影响因子:
    0
  • 作者:
    仲尾 勇輝;内本 陽;浪田 健;近藤 健悟;山川 誠;椎名 毅
  • 通讯作者:
    椎名 毅

山川 誠的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('山川 誠', 18)}}的其他基金

耐震レジリエンス/ロバスト性向上のための数値実験システムの開発
开发数值实验系统以提高抗震能力/鲁棒性
  • 批准号:
    22K04420
  • 财政年份:
    2022
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
統計的手法により複数の解析を統合した免震構造物の最適設計法
利用统计方法综合多种分析的隔震结构优化设计方法
  • 批准号:
    17760454
  • 财政年份:
    2005
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Young Scientists (B)

相似国自然基金

AI 辅助药物设计姜黄素化合物的靶向结构修饰及其防治肝衰竭的成药性研究
  • 批准号:
    JCZRLH202500512
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目
应用于AI芯片的先进封装TSV关键技术研发
  • 批准号:
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目
AI驱动的工业微生物合成元件挖掘与产品智造
  • 批准号:
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目
基于“治未病”理论构建AI赋能下的肥胖伴焦虑状态针灸数智化防治体系
  • 批准号:
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目
基于AI 技术的高校网络舆情监测与治理路径研究
  • 批准号:
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目
基于可穿戴设备与AI动态优化的阿尔茨海默病早期生活方式干预系统研发及效应研究
  • 批准号:
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目
成渝交通一体化背景下的高速公路智慧管控系统:大数据驱动、AI预警与数智决策
  • 批准号:
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目
AI驱动药物研发的技术发展趋势及重庆技术创新路径选择战略研究
  • 批准号:
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目
AI赋能职业教育:“智慧职教”平台教学视频核心知识抽取研究
  • 批准号:
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目
患者安全视角下医疗AI技术对医务人员风险感知的双刃剑机制研究
  • 批准号:
  • 批准年份:
    2025
  • 资助金额:
    0.0 万元
  • 项目类别:
    省市级项目

相似海外基金

深層学習(Deep learning)による骨転移検出AIモデルの開発と臨床応用
深度学习骨转移检测AI模型开发及临床应用
  • 批准号:
    24K18754
  • 财政年份:
    2024
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
CAREER: Theoretical foundations for deep learning and large-scale AI models
职业:深度学习和大规模人工智能模型的理论基础
  • 批准号:
    2339904
  • 财政年份:
    2024
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Continuing Grant
Enhancing the Accuracy and Interpretability of Global Flood Models with AI: Development of a Physics-Guided Deep Learning Model Considering River Network Topology
利用人工智能提高全球洪水模型的准确性和可解释性:考虑河网拓扑的物理引导深度学习模型的开发
  • 批准号:
    24K17353
  • 财政年份:
    2024
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
Zeroshot learning of real-world AI by fusing large deep learning models and 3D virtual world
通过融合大型深度学习模型和 3D 虚拟世界,实现现实世界人工智能的零射击学习
  • 批准号:
    23H03426
  • 财政年份:
    2023
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
Co-creation between content-generating AI and humans based on deep learning
基于深度学习的内容生成人工智能与人类的共同创造
  • 批准号:
    23K04201
  • 财政年份:
    2023
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
Quin AI: Quin Audience Engine Offering Optimisation by Deep Learning
Quin AI:Quin 受众引擎通过深度学习提供优化
  • 批准号:
    10071276
  • 财政年份:
    2023
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Collaborative R&D
Deep-learning-based surrogate model for time-history analysis towards development of AI-driven Earthquake Engineering
基于深度学习的时程分析代理模型,以推动人工智能驱动的地震工程的发展
  • 批准号:
    23K13437
  • 财政年份:
    2023
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
Automated conservation with deep learning AI for camera-trap identification of species and individuals (Ref: 4659)
通过深度学习 AI 进行自动保护,用于物种和个体的相机陷阱识别(参考号:4659)
  • 批准号:
    2859442
  • 财政年份:
    2023
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Studentship
AIM-AI: an Actionable, Integrated and Multiscale genetic map of Alzheimer's disease via deep learning
AIM-AI:通过深度学习绘制阿尔茨海默病的可操作、集成和多尺度遗传图谱
  • 批准号:
    10668829
  • 财政年份:
    2023
  • 资助金额:
    $ 2.58万
  • 项目类别:
Developing unbiased AI/Deep learning pipelines to strengthen lung cancer health disparities research
开发公正的人工智能/深度学习管道以加强肺癌健康差异研究
  • 批准号:
    10841956
  • 财政年份:
    2023
  • 资助金额:
    $ 2.58万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了