Discovery Sagaサイレントキーワード俯瞰

不確実性 / 機械学習 / 確率予測 / 深層学習 / 医用画像 / 細胞画像 / 汎化能力 / 学習理論 / PAC Bayes

深層学習の診断予測確率を補正する方法を開発し，機械学習分野の難関国際会議であるAISTATS2021で発表した．
医療の現場では, 症例に関する識別結果よりもその症例である可能性の確率を出力することが重要視される場合がある．例えば今回の研究で具体的に扱った血液検査ではすべての細胞を肉眼で網羅的にチェックすることができないため，異常細胞をその異常確率でリストアップすることは重要である．また，明らかに異常細胞というのが分かるだけでなく，人の判断が分かれるような不確実なデータに対してその不確実性を定量化することが重要である．
しかし，深層学習を用いた判断では，その予測確率を出力すると自信過剰な確率予測をすることが知られている．例えば，99%の確率でこの細胞はがん細胞であると判断したのであれば，そのような細胞画像を100枚持ってくれば，その中で判断の誤りは1枚程度であることが望ましいものの実際には，自信過剰に，つまり，多くの判断で高い(極端な)確率を出力をして判断結果を出力してしまう．本研究では，特に医療分野を背景とし，１つのデータに対して複数人が判断をする場合を想定し，その判断の正答率を反映し予測確率を補正するalpha-calibrationを提案した．提案手法は学習済モデルに対して補正することができるので再学習する必要はない．この方法は単なる予測の不確実性だけでなく，人の判断の不一致度も推定することができるため専門家の判断が難しい症例の予測が可能となる．さらに専門家の判断により予測確率を更新することができるためセカンドオピニオンの必要性も定量化可能である．

深層学習における確率的勾配の性質を拡散定理により解析し機械学習の難関国際会議であるICLRで発表した．確率的勾配に現れる摂動の性質に着目し，学習のダイナミクスを解析することで損失関数の非平坦な解への回避に関する性質を解明した．

深層学習 / 画質改善 / 医学物理 / 医用画像 / 情報理論 / 情報工学

放射線治療におけるCone-beam CT（CBCT）は、画像誘導放射線治療において照射の位置照合に使用されているが、治療効果を向上させるために様々な発展的利用が期待されている。CBCTはコーン状の線束を用いることから散乱線によるノイズが顕著であり、画質改善はその有効利用において必須の要素技術である。本研究は深層学習を用いてCBCTを画質改善し、その発展的利用法を検討するとともに、画質改善技術を他施設や他部位の画像にも汎化性をもって適用できる枠組みを構築することを目的とする。当該年度は以下を実施した。
１）前年度に誌上発表した、敵対的ネットワーク（Generative Adversarial Network: GAN）を用いたCBCT画質改善技術を、megavoltage CT（MVCT）に応用し、ロス関数の改良により、少ない症例数でMVCTを画質改善する新たな手法を構築した。
２）発展的利用として、特徴量解析による放射線治療後の予後予測モデルの構築を行った。
３）発展的利用として、深層学習を用いた臓器の自動輪郭抽出を検討した。

研究１）は海外誌Medical Physicsで誌上発表を行った。

少サンプルで学習 / 深層学習 / 大腸ポリープ / 医用画像 / 支援診断 / 大腸がん検診 / CTコロノグラフィー

症例収集については、以下の課題にいて、症例の収集と分析を再度行われました。
１．平坦型病変の検出精度は，隆起型病変の検出精度に比べて有意に低い。
２．読影医の経験不足や疲労による病巣の見落とし。
平坦型と隆起型病変をそれぞれ25個のデータを用意しました。読影医の経験不足による見落とした症例を収集しました。
深層学習を開発とCTCに応用については、前年度で開発した従来の性能を遥かに超える、選択的球状陰影強調フィルタを用い、3次元×2 の情報をMTANN深層学習の入力とする方法をCTCに対応するため、独自の大腸領域抽出方法とた固有値に基づく選択的強調フィルタを開発した。

【研究分担者】
三森隆広	早稲田大学	理工学術院総合研究所(理工学研究所)	次席研究員	(Kakenデータベース)