| 講演抄録/キーワード |
| 講演名 |
2022-05-13 15:35
深層学習を用いた子宮頸がん細胞の自動分類 ○坪下幸寛・大河戸光章(杏林大) PRMU2022-9 |
| 抄録 |
(和) |
現在、我々は画像認識において近年目覚ましい進展を見せている深層学習を子宮頸部の細胞診標本に適用し、専門技師の識別性能に匹敵する自動がん細胞識別を実現させるため、子宮頸がん検診で得られた細胞診標本にアノテーションを付与した大規模なデータセットの作成を行っている。本レポートではこの取り組みについて報告する。現在、専門技師によるアノテーションが付与された画像数は約1,181枚、患者数は246人となり、現時点でも細胞診のデータセットとしては世界有数の規模となっている。このデータセットは、単に細胞診の検査結果の分類が付与されているだけはなく、HPV検査、組織診に基づいた分類も付与されている。このデータセットを用いることで、細胞診で得られた顕微鏡標本データから、組織診で得られた結果を推定するといった実験も可能である。さらに、このデータセットを用いた深層学習による分類実験を実施した。ResNet34を用いて細胞診で得られた顕微鏡画像で組織診の診断を予測する実験を行ったところ、正確度 0.796、感度 0.723、特異度0.878となり専門技師の行う形態学検査の性能(感度0.7、特異度0.9)とほぼ匹敵する結果を得た。また、FullGradを用いた注目点の可視化を行ったところ、得られた学習済みモデルは正しく異型細胞を注目していることが分かった。 |
| (英) |
(Not available yet) |
| キーワード |
(和) |
細胞診 / 組織診 / 子宮頸がん / 深層学習 / / / / |
| (英) |
Cytopathology / Cervical Cancer Cell / Deep Learning / / / / / |
| 文献情報 |
信学技報, vol. 122, no. 13, PRMU2022-9, pp. 47-51, 2022年5月. |
| 資料番号 |
PRMU2022-9 |
| 発行日 |
2022-05-05 (PRMU) |
| ISSN |
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 |
PRMU2022-9 |