＜プレスリリース＞『初期段階の小さな癌などの自動検知に貢献できる可能性医用画像内の領域分割を自動で行うＡＩの新しい学習方法を提案』（理工学部・堀田一弘）

ピックアップコンテンツ

ホーム
ピックアップコンテンツ
＜プレスリリース＞『初期段階の小さな癌などの自動検知に貢献できる可能性医用画像内の領域分割を自動で行うＡＩの新しい学習方法を提案』（理工学部・堀田一弘）

＜プレスリリース＞『初期段階の小さな癌などの自動検知に貢献できる可能性医用画像内の領域分割を自動で行うＡＩの新しい学習方法を提案』（理工学部・堀田一弘）

公開日時：2023.12.07: 共有：

初期段階の小さな癌などの自動検知に貢献できる可能性
医用画像内の領域分割を自動で行うＡＩの新しい学習方法を提案

名城大学理工学部電気電子工学科の堀田一弘教授（画像認識、機械学習）と博士後期課程３年の加藤聡太は、AIが医用画像に写り込んでいる被写体（臓器等）をピクセル単位で識別するための、新たな学習方法を提案しました。本研究成果は、2023年 12 月6日にElsevierの国際論文誌「Computers in Biology and Medicine」の電子版（https://doi.org/10.1016/j.compbiomed.2023.107695）に掲載されました。

【本件のポイント】
・医用画像内の領域分割を自動で行うAIの新しい学習方法
・自動心臓診断チャレンジの臓器識別で94.26%の最高識別精度^*1を達成
・医師では発見が難しい疾患や初期段階の小さな癌などの自動検知に貢献できる可能性

【研究の背景】
近年、医学分野や細胞生物学分野では、画像に写り込んでいる被写体の画素一つ一つを分類する画像解析技術のセマンティックセグメンテーション１)が重要視されています。セマンティックセグメンテーションは物体が重なっていると区別が難しいという欠点がありますが、空や道路などの不定形の領域を検出することが可能です。そのため、車の自動運転や医用画像解析など幅広い分野で活用が進んでいます。特に医療分野においては、内視鏡画像から腫瘍領域の自動特検出や、CTやMRI画像からの病気の自動診断など、幅広く利用されています。

より高い精度を達成するため深層学習を基にした手法が提案されていますが、セマンティックセグメンテーションのための深層学習モデルの学習には単純なコスト関数２)が用いられる場合が多く、画像内に大きさの異なる物体が複数存在している場合、小さい物体に対する識別精度が不十分であることが問題でした。

*1 Papers With Code（機械学習に関する最先端の重要論文を集めたキュレーションサイト）

https://paperswithcode.com/sota/medical-image-segmentation-on-automatic

https://paperswithcode.com/sota/medical-image-segmentation-on-cvc-clinicdb

プレスリリース本文はこちら

https://www.meijo-u.ac.jp/news/asset/4b21717f10aa98dcaa07a515770d765c.pdf

EurekAlert!掲載

英文プレスリリースをEurekAlert!に掲載しました。

Novel dice loss functions for improved image segmentation

The Dice loss function is widely used to train deep learning algorithms in medical segmentation tasks. However, in multi-class segmentation tasks, the Dice loss function can result in imbalanced segmentation between larger and smaller classes. To address this problem, researchers developed two novel algorithms, called “t-vMF Dice loss” and “Adaptive t-vMF Dice loss,” with only a simple change in the mathematical formula. These new algorithms mark a significant step forward for image segmentation algorithms.