YOLOv3 とドメイン知識を用いたCT画像の病変部位検出

抄録

画像解析分野において、畳み込みニューラルネットワーク(convolutionalneuralnetwork,CNN)が成功を収めている。医療画像解析においても応用されており、皮膚可視画像、レントゲン画像、計算機断層撮影(CT)画像、磁気共鳴画像(MRI)などが挙げられる。 本研究では、医療現場利用を目的として、最新の深層物体検出手法の1つであるYouOnlyLookOncever-sion3(YOLOv3)を用いて病変部位の検出及び、先行研究の精度向上取り組みを行った。検証データとしては先行研究で用いられているDeepLesionデータセットを用い、YOLOv3をDeepLesionデータセット内の胸部画像に適応した。実際の医療現場で用いられるCT値ごとにモデルを作成し、先行研究を上回るFROC曲線が得られた。すなわち感度あたりの偽陽性数を削減したことを報告する。 また、放射線医師が立体的な情報を利用して正常組織とよく似た病変を識別することを参考に、DeepLesionにおいて病変部位がラベル付けされているCT画像の近傍のスライスも用いたモデル改変の取り組みについても報告する。