| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-10-04 14:50 深層学習と可視化手法を用いた大腸内視鏡の深達度診断支援システムの検討 伊藤奈桜・○中口俊哉（千葉大）・川平 洋（自治医科大）・吉村裕一郎（千葉大）・中島寛隆（茅場町クリニック）・上里昌也・大平 学・宮内英聡・松原久裕（千葉大）  IMQ2019-8 |
|
| 抄録 | （和） | 大腸がんは罹患率が高く，国内のがんによる死亡数第2位であり，早期な段階での発見と治療が求められている．大腸内視鏡検査において腫瘍性病変が指摘された際，病理学的に良悪性癌であった場合は壁深達度がその後の治療法の選択に重要である．癌の場合，壁深達度がTis（内視鏡的粘膜切除）またはT1a(粘膜下層切除)であるか，T1b以降(外科的切除)であるかによって治療法が異なる．内視鏡医は画像所見のみから深達度を診断する必要があり，早期大腸癌をT1a以前とT1bに鑑別する正診率は77.4%と報告されている．そこで本研究では内視鏡医による大腸早期癌の深達度診断を支援するために正常粘膜，T1a+Tis癌，T1b癌の鑑別を目指す．先行研究では大腸ポリープを深層学習によって診断する手法が提案されているが早期癌の深達度診断に関しては未だ画像認識による支援が検討されていない．本研究では深層学習を用いた深達度診断の手法を提案した．大規模な一般画像データセットにより学習済みのモデル構造と重みを利用するFine-tuningを用いて学習を行い，学習モデルにはVGG16を使用した．訓練画像・評価画像には通常観察での大腸内視鏡画像を使用した．3分割交差検証で評価を行った結果，手法の有効性が示された．またT1b再現率の向上を目指して効率良く最適な学習設定を探索するために，学習器の入力画像における注目箇所を可視化するGrad-CAMを利用した．Grad-CAMから得た情報を用いて学習パラメータを調整した結果，T1b再現率の向上が見られた． |
| （英） | Colorectal cancer has a high morbidity and is the second most common cancer death in Japan, and is required to be detected and treated at an early stage. When tumorous lesions are pointed out by colonoscopy, if the pathologically benign and malignant cancer, the depth of the wall is important for the subsequent choice of treatment. In the case of cancer, treatment depends on whether the wall depth is Tis (endoscopic mucosal resection), T1a (submucosal resection), or after T1b (surgical resection). Endoscopists need to diagnose the depth of invasion based only on image findings, and the correct diagnosis rate for distinguishing early colorectal cancer from pre-T1a and T1b is reported to be 77.4%. Therefore, in this study, we aim to distinguish normal mucosa, T1a + Tis cancer, and T1b cancer in order to assist the endoscopist in deeply diagnosing advanced colorectal cancer. Although the previous research has proposed a method for diagnosing colorectal polyps by deep learning, support for image recognition has not yet been examined for early-stage cancer depth diagnosis. In this study, we proposed a method of deep penetration diagnosis using deep learning. Learning was performed using Fine-tuning, which used the model structure and weights learned from a large general image data set, and VGG16 was used as the learning model. We used colonoscopy images in normal observation as training images and test images. As a result of evaluation by three-fold cross validation, the effectiveness of the method was shown. In addition, we used Grad-CAM to visualize the point of interest in the input image of the learner in order to efficiently search for the optimal learning setting with the aim of improving the T1b recall. As a result of adjusting the learning parameters using the information obtained from Grad-CAM, the T1b recall was improved. | |
| キーワード | （和） | コンピュータ診断支援 / 大腸がん / CNN / Grad-CAM / / / / |
| （英） | Computer-aided Diagnosis / Colorectal cancer / Convolutional neural network / Grad-CAM / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 215, IMQ2019-8, pp. 19-26, 2019年10月. | |
| 資料番号 | IMQ2019-8 | |
| 発行日 | 2019-09-27 (IMQ) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IMQ2019-8 |
|
| 研究会情報 | |
| 研究会 | IMQ |
| 開催期間 | 2019-10-04 - 2019-10-04 |
| 開催地（和） | 大阪大学 吹田キャンパス |
| 開催地（英） | Osaka University |
| テーマ（和） | 画像処理とIMQ一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IMQ |
| 会議コード | 2019-10-IMQ |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習と可視化手法を用いた大腸内視鏡の深達度診断支援システムの検討 |
| サブタイトル（和） | |
| タイトル（英） | Supporting Colonoscope System for Diagnosis of Depth of Invasion Using Deep Learning and Its Visualization |
| サブタイトル（英） | |
| キーワード(1)（和/英） | コンピュータ診断支援 / Computer-aided Diagnosis |
| キーワード(2)（和/英） | 大腸がん / Colorectal cancer |
| キーワード(3)（和/英） | CNN / Convolutional neural network |
| キーワード(4)（和/英） | Grad-CAM / Grad-CAM |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 伊藤 奈桜 / Nao Ito / イトウ ナオ |
| 第1著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 中口 俊哉 / Toshiya Nakaguchi / ナカグチ トシヤ |
| 第2著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 川平 洋 / Hiroshi Kawahira / カワヒラ ヒロシ |
| 第3著者 所属（和/英） | 自治医科大学 (略称： 自治医科大) Jichi Medical University (略称： Jichi Medical Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 吉村 裕一郎 / Yuichiro Yoshimura / ヨシムラ ユウイチロウ |
| 第4著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 中島 寛隆 / Hirotaka Nakashima / ナカシマ ヒロタカ |
| 第5著者 所属（和/英） | 早期胃癌検診協会附属茅場町クリニック (略称： 茅場町クリニック) Kayabacho Clinic (略称： Kayabacho Clinic) |
| 第6著者 氏名（和/英/ヨミ） | 上里 昌也 / Masaya Uesato / ウエサト マサヤ |
| 第6著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第7著者 氏名（和/英/ヨミ） | 大平 学 / Gaku Ohira / オオヒラ ガク |
| 第7著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第8著者 氏名（和/英/ヨミ） | 宮内 英聡 / Hideaki Miyauchi / ミヤウチ ヒデアキ |
| 第8著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第9著者 氏名（和/英/ヨミ） | 松原 久裕 / Hisahiro Matsubara / マツバラ ヒサヒロ |
| 第9著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第2著者 |
| 発表日時 | 2019-10-04 14:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IMQ |
| 資料番号 | IMQ2019-8 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.215 |
| ページ範囲 | pp.19-26 |
| ページ数 | 8 |
| 発行日 | 2019-09-27 (IMQ) |
[研究会発表申込システムのトップページに戻る]