Development of image processing techniques using deep learning for automatic diagnosis and diagnosis supporting

开发利用深度学习的图像处理技术进行自动诊断和诊断支持

基本信息

批准号：
21K11958
负责人：
今村幸祐
金额：
$ 2.66万
依托单位：
Kanazawa University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2022年度の検討事項は前年度に構築したMRIに基づく肝線維化ステージ判定システムの改善と診断補助に向けた画像表示に関する検討を行った。従来の検討では，単一の畳み込みニューラルネットワークに基づいた肝線維化ステージ判定システムを構築して評価を行ってきた。2022年度の検討では，知識蒸留を利用することを考慮し，畳み込みニューラルネットワークを並列に配置したネットワーク構造を導入した。これにより，相互学習が可能となり，さらに診断部の切り抜き画像と合わせて分類処理を行うことで，より正確な分類が可能となった。その結果，パッチ単位の診断ではなく，被診断者に対する肝線維化ステージ判定の精度向上を実現した。また，これまで単一画像として入力したものを複数画像に分割して入力するMLP等の新たなネットワーク構造を用いることによる分類精度の改善とMRIからの診断すべき肝臓位置の推定と合わせて総合的な自動化について開発を進めている。また，診断補助に向けた画像表示として，RISEによる判断根拠可視化で肝線維化ステージ判定の際の注目すべき領域を表示する検討を行った。RISEはブラックボックスアプローチよる可視化手法あり，多数のランダムマスクパターンを適用するような手法であるため，実際の診断補助に用いるためには処理時間の短縮が課題となる。検討により，RISEによる注目領域算出の際に用いるマスクパターンを，通過頻度を領域ごとに一定にしたマスクと特定の単一領域に限定したマスクの併用とした手法により，適用マスク数を削減し，高速化および精度向上を実現した。この結果については国際学会での発表も行った。

2022年要考虑的项目是完善前一年建立的基于MRI的肝纤维化分期确定系统，并考虑图像显示辅助诊断。先前的研究已经构建并评估了基于单个卷积神经网络的肝纤维化阶段确定系统。在2022年的研究中，我们引入了一种网络结构，其中卷积神经网络并行排列，同时考虑到知识蒸馏的使用。由此，能够进行相互学习，并且通过与从诊断部切出的图像联动进行分类处理，能够进行更正确的分类。因此，我们能够提高确定患者肝纤维化阶段的准确性，而不是诊断单个斑块。此外，我们正在通过使用新的网络结构（例如 MLP）来提高分类准确性，该结构将以前作为单个图像输入的内容分割为多个图像，并根据 MRI 估计要诊断的肝脏的位置。自动化。此外，作为辅助诊断的图像显示，我们研究了使用RISE可视化判断基础并显示确定肝纤维化阶段时感兴趣的区域。 RISE 使用黑盒方法进行可视化，并应用大量随机掩模模式，因此缩短处理时间是一个问题，以便将其用作实际的诊断辅助工具。通过研究，我们采用了一种方法，将使用 RISE 计算感兴趣区域时使用的掩模图案与每个区域通过频率恒定的掩模和仅限于特定单个区域的掩模相结合，从而减少了应用掩模的数量实现了更快的速度和更高的精度。研究结果还在国际学术会议上公布。