深層生成モデルを応用した強い汎化性能を持ったradiomics解析方法の開発

使用深度生成模型开发具有强泛化性能的放射组学分析方法

基本信息

批准号：
22K16700
负责人：
高橋慧
金额：
$ 2.91万
依托单位：
Institute of Physical and Chemical Research
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
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/en/grant/KAKENHI-PROJECT-22K16700/
关键词：
脳腫瘍神経膠腫 MRI 深層生成モデル IDH変異 Radiomics 機械学習モデル

项目摘要

本研究の目的は上記のdomain shiftに起因する機械学習装置の性能の低下を深層生成モデルの応用で解決を図ることである。本年度は研究実績として、4回の学会発表を行った。令和4年度の研究の主たる目的は公開データセットとプライベートのデータセットを相互変換するような画像のstyle変換方法を確立することであった。Cycle generative adversarial network(CycleGAN)を採用しプロトタイプを作成、安定した制度の高い変換が行えるようにアーキテクチャやハイパーパラメータの調整を行なった。加えて上手く変換が行えているのかを判断するために変換の精度の視覚化を試みた。結果として、ハイパーパラメータの調整を的確に行うことで公開データセット、プライベートのデータセット間の変換をある程度安定して行えるようになった。また、視覚化の方法としてはReaNet34の中間表現をt-SNEやUMAPで低次元に圧縮する方法が機能した。この方法で公開データセットとプライベートの画像のstyleの違いの視覚化を行うと明らかなクラスタが作成された。また、CycleGANにてstyle変換を行なったプライベートデータセットのMRI画像は、上記の方法で２次元にて視覚化を行なった場合、公開データセットとプライベートデータセットの中間に位置していた。

这项研究的目的是解决由上面提到的域移动引起的机器学习设备的性能下降，通过应用深度生成模型。今年，我们提出了四次会议，这是我们的研究结果的一部分。 2022年研究的主要目的是建立一种将图像转换为互换公共和私人数据集的图像的方法。我们使用循环通用对抗网络（Cyclegan）来创建原型，并调整了体系结构和超参数以确保稳定，高度系统的转换。此外，我们试图可视化转换的准确性，以确定转换是否成功。结果，通过准确调整超参数，可以在一定程度上稳定地进行公共数据集和私人数据集之间的转换。此外，作为一种可视化方法，使用T-SNE或UMAP压缩Reanet34中间表示为低维的方法是有效的。当可视化公共数据集和私人图像之间的差异时，此方法会创建清晰的簇。此外，当使用上述方法以二维可视化了由Cyclegan转换样式的私人数据集的MRI图像时，它们位于公共数据集和私人数据集之间。