Development of a diagnostic imaging system with abnormality detection by learning "normality" and a " instructive" structure.

通过学习“正常”和“指导”结构开发具有异常检测功能的诊断成像系统。

基本信息

批准号：
22K07674
负责人：
和田昭彦
金额：
$ 2.66万
依托单位：
Juntendo 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

本研究の初年度は、主にデータ収集と初期のAI学習・構築を進めてきた。本研究の対象とする頭頸部癌の画像データセットを作成するために、自施設での臨床データの収集と整理を開始した。機械学習モデルの構築では教師データの量とともに質がその精度に大きく影響する。現時点で構築できる画像認識モデルはプロトタイプであり最初から高い精度を達成することは難しいと考え、ますは良質なデータ収集の経験を積むことを第1目標とした。また本研究の特色である"正常らしさ"を学習させるための基礎となるデータの構築に関して、過去の報告や自らの経験を元に試行錯誤を行っている。頭頸部癌の画像データセット作成とともに臨床診断・経過などのデータ収集、各症例での原病変の進展程度やリンパ節転移についてAIを学習させるためのデータ構築の準備を進めている。画像認識モデルの構築では、頭頸部で頭尾方向に広がる構造の特徴を記憶する機構であるLong Short Term Memory の適用に向けて、他の時系列データの扱いの経験を積むことで、本研究の進行の円滑化を目指している。病変検出精度を向上させるAttention 機構の実現には、Attention Branch Networkを導入し、データ収集が比較的容易な一般画像でのモデル構築・学習を開始している。J-MIDからのビッグデータ収集に関しては、まだ準備段階で担当者との今後の進捗について打ち合わせを続けている。

在这项研究的第一年，我们主要关注数据收集和初步的人工智能学习和构建。为了创建本研究主题的头颈癌图像数据集，我们已开始在我们自己的设施中收集和组织临床数据。在构建机器学习模型时，训练数据的质量和数量极大地影响其准确性。此时能够构建的图像识别模型还只是雏形，马苏认为从一开始就很难达到高精度，所以他的首要目标是积累收集高质量数据的经验。此外，我们正在根据过去的报告和我们自己构建数据的经验进行反复试验，这些数据将作为学习“常态”的基础，这是本研究的一个特点。除了创建头颈癌的图像数据集外，我们还在收集临床诊断和进展的数据，并准备构建数据，使人工智能能够了解每个头颈癌的原发灶进展程度和淋巴结转移情况。案件。在构建图像识别模型时，我们将在此研究的基础上，积累处理其他时间序列数据的经验，以应用长短期记忆，这是一种记忆头尾方向延伸结构特征的机制目的是促进这一过程的进展。为了实现提高病变检测精度的注意力机制，我们引入了注意力分支网络，并开始使用数据收集相对容易的通用图像进行模型构建和训练。关于J-MID的大数据收集，我们还处于准备阶段，正在继续与负责人讨论未来的进展。