非侵襲的検査における深層学習を用いたマルチラベル問題での病症の推定

在非侵入性测试中使用深度学习进行多标签问题的疾病估计

基本信息

批准号：
22K12149
负责人：
浅川徹也
金额：
$ 2.66万
依托单位：
Toyohashi University of Technology
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

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12149/
关键词：
深層学習医療画像画像診断マルチラベル問題 AI技術

项目摘要

2022年度の研究実績に関しては、以下の３点に関して成果があった。国内、国際会議での口頭発表を行ったほか、国際カンファレンスにも採択され、招待講演も行った。【項目１：肺CTデータでのマルチクラス、マルチラベル分類】１年目は、肺CTデータにおける病症のマルチラベル、マルチクラス問題を解決するために、３次元CTデータを高解像度化（SRGAN）と深層学習を用いて、高精度な推定手法を開発した。この成果は、世界的コンペティションImageCLEF2022にて世界２位の精度を獲得し、世界的に注目されている技術と認定され、CLEF2022にて招待講演で発表を行った。【項目２：心臓CTデータでのマルチクラス、マルチラベル分類】１年目は、心臓CTデータにおける推定も行った。深層学習を用いて、２次元の心臓CTデータを用いた健常者か心臓狭窄症患者の推定を行った。さらに、マルチクラス、マルチラベル分類として、健常者とどの部分に心臓狭窄があるかの推定も行った。推定精度は、８０％以上と高精度であった。この成果は、国内会議MI研究会にて１件、更に国際会議ICMVAに採択され、１件発表を行った。【項目３：心臓CTデータでのマルチクラス分類】更に、２次元心臓CTデータだけでなく、３次元心臓CTデータも用いて、マルチクラス分類を行った。これは、３Ｄ CNNとLSTMを混合したこれまでにない、深層学習アーキテクチャを開発した。

就2022年的研究成果而言，有以下三点成果。除了在国内和国际会议上做口头报告外，我的作品还被接受并邀请在国际会议上做报告。【项目1：肺部CT数据中的多类、多标签分类】第一年，为了解决肺部CT数据中疾病的多标签、多类问题，我们将使用高分辨率的3D CT数据（SRGAN）。我们使用深度学习开发了一种高度准确的估计方法。该成果在ImageCLEF2022全球竞赛中取得了全球第二高的准确率，被公认为是一项受到全世界关注的技术，并作为CLEF2022的邀请报告进行演讲。 [项目2：使用心脏CT数据的多类别、多标签分类] 第一年，我们还使用心脏CT数据进行了估计。通过深度学习，我们利用二维心脏 CT 数据来估计是否诊断出健康人或心脏狭窄患者。此外，我们使用多类和多标签分类来估计与健康受试者相比心脏的哪些部分存在狭窄。估计准确率高达80%以上。该成果在国内会议MI Study Group上获得通过，并在国际会议ICMVA上获得通过并做了一次报告。 [项目3：使用心脏CT数据的多类别分类] 此外，不仅使用2维心脏CT数据而且使用3维心脏CT数据来进行多类别分类。它开发了一种前所未有的深度学习架构，混合了 3D CNN 和 LSTM。