早期メラノーマは完治する可能性が高い。しかしながら、メラノーマは医師の主観で診断されるため、早期病変は見落としやすい。そこで本研究では、定量的かつ高精度な診断手法として、深層学習を用いたメラノーマ診断手法を開発する。メラノーマの画像を深層学習の訓練に必要な枚数だけ準備することはとても困難である。そこで、Style-GANと呼ばれるスタイル変換手法を用い、訓練データを加増する。本研究ではネット上で公開されているダーモスコピー画像データセットと、7種類の深層学習モデルを用いる。少数の実画像、大量の実画像、少数の実画像にStyleGANで加増した3種類のデータセットの正診率を算出する。その結果、少数、大量、加増それぞれ、70.4%、84.1%、78.3%の正診率が得られ、スタイル変換を用いた加増で、メラノーマ診断の正診率が向上することが確認できた。StyleGANで作成した画像にその他の加増手法を組み合わせ、更なる性能向上を図ることが今後の課題である。
