Weakly-Supervised Differentiation of Focal Liver Lesions Using Phase-Attention Net

使用相位注意网络弱监督区分局灶性肝脏病变

基本信息

批准号：
21H03470
负责人：
陳延偉
金额：
$ 10.98万
依托单位：
Ritsumeikan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H03470/
关键词：
マルチフェーズ画像フェーズアテンション弱教師学習肝臓腫瘍性病変深層学習フェーズアテンションネット臨床データ肝臓がんアテンション機構弱教師あり学習教師なし学習肝臓腫瘍セグメンテーション早期再発予測

项目摘要

肝臓がんは、平均5年生存率が30％程度とがん全体の中でも極めて低く、正確な診断に基づく早期発見が求められる。肝臓がんの診断には、マルチフェーズCT画像（造影剤を注入してから経時的に複数回の撮像で得られたCT画像）がよく用いられる。近年深層学習を代表とする人工知能による肝腫瘍性病変の診断支援が多く研究されているが、既存手法では、個々のフェーズから特徴を抽出し、診断を行っていたため、診断精度は80%に留まっていた。また、事前に腫瘍を検出または分割する必要があった。本研究では、学習により腫瘍の種類毎にフェーズ間の重みを自動的に調整し、鑑別に重要なフェーズを強調可能なフェーズアテンション機構を提案する。マルチフェーズCT画像から有効時空間特徴抽出法を確立するとともに、腫瘍領域のアノテーションを必要としない弱教師学習による肝腫瘍性病変の検出・鑑別法を確立する。以下の研究成果が挙げられた。(1)フェーズ内アテンション機構とフェーズ間アテンション機構を提案し、マルチフェーズCT画像における肝臓腫瘍を高精度にセグメンテーションすることができた。(2)フェーズアテンション深層学習モデルを提案し、マルチフェーズCT画像を用いた肝臓がんの術後再発を高精度に予測することができた。(3)敵対的生成ネットワークを用いた弱教師あり学習法と教師なし学習法による肝臓腫瘍の検出とセグメンテーション法を開発した。(4)TIP, TMI, JBHI, MICCAI, AAAI, ICCVなどのトップ学術誌及び国際学会で成果を発表してきた。(5)General Chairとして、2021年6月に国際学会 InMed2021を主催し、国際連携ネットワークを構築した。

肝癌的平均五年生存率约为30%，在所有癌症中是极低的，需要在准确诊断的基础上进行早期发现。多期 CT 图像（注射造影剂后随时间推移多次获得的 CT 图像）通常用于诊断肝癌。近年来，有很多研究利用人工智能（通常是深度学习）支持肝脏肿瘤病变的诊断，但现有方法提取每个阶段的特征并进行诊断，导致诊断准确率仅为80%。它还需要事先检测或分割肿瘤。在本研究中，我们提出了一种阶段注意机制，利用学习自动调整每种肿瘤类型的阶段之间的权重，并强调对鉴别诊断重要的阶段。我们将建立一种有效的多相CT图像时空特征提取方法，以及一种不需要肿瘤区域标注的弱监督学习检测和区分肝脏肿瘤病变的方法。列出了以下研究结果。（1）我们提出了阶段内注意机制和阶段间注意机制，并且能够在多阶段CT图像中高精度地分割肝脏肿瘤。 (2)我们提出了阶段注意力深度学习模型，并能够利用多时相CT图像高精度预测肝癌术后复发。 (3)我们开发了一种使用弱监督学习和使用生成对抗网络的无监督学习的肝脏肿瘤检测和分割方法。（4）成果发表在TIP、TMI、JBHI、MICCAI、AAAI、ICCV等顶级学术期刊和国际会议上。（5）作为大会主席，于2021年6月主办国际学术会议InMed2021，建立国际合作网络。

项目成果

期刊论文数量（66）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Characterisation of focal liver lesions in multi-phase CT images using textural and pathological descriptors

DOI：
10.1080/21681163.2022.2156390
发表时间：
2022-12
期刊：
Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization
影响因子：
0
作者：
Saeed Moslehi;A. H. Foruzan;Yen-Wei Chen;Hongjie Hu
通讯作者：
Saeed Moslehi;A. H. Foruzan;Yen-Wei Chen;Hongjie Hu

A Tensor Sparse Representation-Based CBMIR System for Computer-Aided Diagnosis of Focal Liver Lesions and its Pilot Trial

DOI：
10.1145/3460426.3463673
发表时间：
2021-08
期刊：
Proceedings of the 2021 International Conference on Multimedia Retrieval
影响因子：
0
作者：
Jian Wang;X. Han;Lanfen Lin;Hongjie Hu;Yenwei Chen
通讯作者：
Jian Wang;X. Han;Lanfen Lin;Hongjie Hu;Yenwei Chen

AIと医用画像解析

人工智能和医学图像分析

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Kazuki Takamiya;Yutaro Iwamoto;Masahiro Nonaka;Yen-Wei Chen;陳延偉
通讯作者：
陳延偉

Deep Learning-Aided Diagnosis of Liver Cancer

深度学习辅助诊断肝癌

DOI：
10.11499/sicejl.62.91
发表时间：
2023
期刊：
Journal of The Society of Instrument and Control Engineers
影响因子：
0
作者：
Okamoto Aya;Uenaka Miku;Kobayasi Kohta I.;Tamai Yuta;Shuhei Hoshi;木谷俊介，劉小テイ，郭太陽，磯山拓都，李軍鋒，赤木正人，鵜木祐史;陳延偉
通讯作者：
陳延偉

Mutual Information-Based Graph Co-Attention Networks for Multimodal Prior-Guided Magnetic Resonance Imaging Segmentation

用于多模态先验引导磁共振成像分割的基于互信息的图共同关注网络

DOI：
10.1109/tcsvt.2021.3112551
发表时间：
2021
期刊：
IEEE Trans. Circuits and Systems for Video Technology
影响因子：
0
作者：
Shaocong Mo;Ming Cai;Lanfen Lin;Ruofeng Tong;Qingqing Chen;Fang Wang;Hongjie Hu;Yutaro Iwamoto;Xian-Hua Han;and Yen-Wei Chen
通讯作者：
and Yen-Wei Chen