全身CT画像と診断レポートを複合した機械学習による大規模医療データセットの構築

使用机器学习构建大规模医疗数据集，结合全身 CT 图像和诊断报告

基本信息

批准号：
22K12152
负责人：
間普真吾
金额：
$ 2.66万
依托单位：
Yamaguchi 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

项目摘要

研究代表者らは，大規模なPET-CTデータとそれに対応する診断レポートを保有しており，これを機械学習に適したラベル付きデータセットの構築につなげる研究を行っている．しかし，診断レポートは全身に対して記述されており，部位ごとの記述ではないため，そのままでは各部位ごとの機械学習を行うことが難しい．したがって，今年度は東京大学大学院医学系研究科医療AI開発学講座が提供しており，大規模な臨床テキストで事前学習済みの自然言語系ニューラルネットワークであるUTH-BERTを用いて，診断レポートを部位ごとの記述に分割し，部位ごとの診断レポートとして再構築するシステムの開発を行った．本システムは，文単位で部位ラベルを付与するものであるが，これに前文の文脈を考慮するよう改良することで，識別性能が向上することを明らかにした．クラスラベルの付与されていない大規模画像データを機械学習に利用しやすいデータセットとするために，異常検知手法によって正常と異常に分類する研究を行った．具体的には，これまでに研究を行ってきたDAGMM（Deep Autoencoding Gaussian Mixture Model）とCAAE（Convolutional Adversarial Autoencoder）を組合せた新しい異常検知モデルを提案し，これを胸部CT画像に適用することで，正常CTスライスのみを訓練データとして学習し，テストデータの異常スライスを分離する研究を行った．DAGMMは正常データの分布を生成し，そこから外れたデータを異常と判定する方式であるが，これにCAAEによる正常データの分布をコンパクトにまとめる正則化を付与することによって，正常データと異常データの特徴量の分離が良くなることが明らかとなり，異常検知精度の向上も確認できた．

研究人员拥有大规模的PET-CT数据和相应的诊断报告，他们正在进行研究，这将导致构建适合机器学习的标签数据集。但是，诊断报告是为整个身体编写的，并且不是为每个部分编写的，因此很难按照本体进行机器学习。因此，今年，提供了东京大学医学AI发展系，医学研究生院，并开发了一种系统，该系统使用Uth-Bert（一种自然语言神经网络），这是一种自然语言神经网络，已在大规模的临床文本中预估计，将诊断报告划分为逐个诊断的描述，并将其重建为现场诊断报告。该系统以句子为基础提供零件标签，但我们透露，通过改进这一点以考虑到序言的上下文，可以改善识别性能。为了制作大规模的图像数据而不类标签易于用于机器学习，我们进行了一项研究，使用异常检测方法将其分类为正常和异常。具体来说，我们提出了一种新的异常检测模型，该模型将DAGMM（深度自动编码高斯混合模型）和CAAE（卷积对抗性自动辅助编码器）结合在一起，我们一直在研究，直到现在，并且通过将其应用于胸部CT图像，我们仅将其应用于训练数据和分离的ABNEASTEAST测试数据。 DAGMM是一种生成正常数据的分布并确定来自该数据的数据是异常的方法，但是通过对此添加正则化，已经表明，正常数据和异常数据的特征分离可以提高，并且也可以确认异常检测的准确性。

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）

Interpretable Anomaly Detection for Lung Sounds Using Topology

DOI：
10.1109/icaiic57133.2023.10067072
发表时间：
2023-02
期刊：
2023 International Conference on Artificial Intelligence in Information and Communication (ICAIIC)
影响因子：
0
作者：
Ryosuke Wakamoto;Shingo Mabu
通讯作者：
Ryosuke Wakamoto;Shingo Mabu

自己符号化器を用いた胸部CT画像におけるびまん性肺疾患の教師なし陰影分類と異常検知

使用自动编码器对胸部 CT 图像中弥漫性肺疾病进行无监督阴影分类和异常检测