少ないデータでも学習可能なディープラーニングによる物体検出技術を開発

医療画像からの組織検出精度を2倍以上向上

 

 株式会社富士通研究所(注1)(以下、富士通研究所)は、少数のデータしか学習に使用できない場合でもディープラーニング(注2)による物体検出を可能とするAI技術を開発しました。

 近年、様々な分野でAIによる作業の自動化に向けた取り組みが行われており、例えば、医療分野では、診療画像の分析に異常個所などの物体検出をAIで自動化することなどが望まれています。診療画像から特定の被写体を切り出す物体検出は、ディープラーニングを用いることが一般的ですが、精度を出すためには学習させるための数万枚規模の正解データ付き画像が必要になります。しかし、正解データは専門知識を持つ医師しか作成できないため、大量入手は困難です。

 今回、物体検出ニューラルネットワークが出力する推定位置を元画像に復元する技術を開発(特許出願済み)し、元の入力画像と復元画像の違いを評価することにより、精度よく物体位置が推定された正解データを大量に作成でき、物体検出の精度を向上させました。開発した技術を、国立大学法人京都大学(以下、京都大学)大学院医学研究科との共同研究で取り組んでいる、腎生検画像からの糸球体の検出に適用し、評価した結果、正解データ付き画像50枚と正解の無い画像450枚を使用した実験で、同数の正解付き画像のみを使用した従来の教師あり手法に比べ、見逃し率10%以下の条件下で2倍以上の精度向上が認められました。

■開発の背景

 近年、様々な分野でAIによる作業の自動化への期待が高まっています。富士通研究所は、医療分野において京都大学大学院医学研究科と共同研究(注3)を行っており、取り組みの一つとしてAIによる腎臓病の診断支援の研究を進めています。医療現場では、腎生検と呼ばれる、腎臓の断片を一部採取して顕微鏡で撮影した画像から血液のろ過機能を担う糸球体という組織の状態や数を確認する検査が、診断に使われています。しかし、画像を拡大しながら目視で糸球体を探す作業にかかる手間や、専門家でも状態の判断にばらつきがあることが知られており、状態診断や糸球体数のカウントの正確な自動化が求められていました。

 ※以下は添付リリースを参照

■商標について

 記載されている製品名などの固有名詞は、各社の商標または登録商標です。

以上

 

 リリース本文中の「関連資料」は、こちらのURLからご覧ください。

添付リリース

http://release.nikkei.co.jp/attach_file/0477310_02.pdf