【名城大学】初期段階の⼩さな癌などの⾃動検知に貢献できる可能性－医⽤画像内の領域分割を⾃動で⾏う ＡＩの新しい学習⽅法を提案－

名城⼤学理⼯学部電気電⼦⼯学科の堀⽥⼀弘教授（画像認識、機械学習）と博⼠後期課程３年の加藤聡太は、AIが医⽤画像に写り込んでいる被写体（臓器等）をピクセル単位で識別するための、新たな学習⽅法を提案しました。本研究成果は、2023年 12 ⽉6⽇にElsevierの国際論⽂誌「Com puters in Biology and Medicine」の電⼦版（https://doi.org/10.1016/j.compbiomed.2023.107695）に掲載されました。

【本件のポイント】
・医⽤画像内の領域分割を⾃動で⾏うAIの新しい学習⽅法
・⾃動⼼臓診断チャレンジの臓器識別で94.26%の最⾼識別精度を達成
・医師では発⾒が難しい疾患や初期段階の⼩さな癌などの⾃動検知に貢献できる可能性

【研究の背景】
近年、 医学分野や細胞⽣物学分野では、画像に写り込んでいる被写体の画素⼀つ⼀つを分類する画像解析技術のセマンティックセグメンテーション１)が重要視されています。セマンティックセグメンテーションは物体が重なっていると区別が難しいという⽋点がありますが、空や道路などの不定形の領域を検出することが可能です。そのため、⾞の⾃動運転や医⽤画像解析など幅広い分野で活⽤が進んでいます。特に医療分野においては、内視鏡画像から腫瘍領域の⾃動特検出や、CTやMRI画像からの病気の⾃動診断など、幅広く利⽤されています。 より⾼い精度を達成するため深層学習を基にした⼿法が提案されていますが、セマンティックセグメンテーションのための深層学習モデルの学習には単純なコスト関数２)が⽤いられる場合が多く、画像内に⼤きさの異なる物体が複数存在している場合、⼩さい物体に対する識別精度が不⼗分であることが問題でした。

【研究内容】
そこで我々の研究では、従来のコスト関数を再考し、より領域間で不均衡が発⽣するセマンティックセグメンテーションに特化したコスト関数を定式化しました。 従来のコスト関数を変形すると、特徴量の内積に基づくコサイン類似度³⁾を⽤いたコスト関数に書き換えることが可能であることを発⾒しました。この結果から、各クラスで同じコサイン類似度を⽤いた学習が、本質的な問題点であると考えられます。

そこで提案⼿法では、コサイン類似度の代わりにt-vMF類似度４）を⽤いたコスト関数を新たに提案しました。 このt-vMF類似度を⽤いることにより、コサイン類似度の形を⾃由に変えることが可能となります。これにより、分割したい領域の⼤きさごとに最適なコスト関数を使⽤することができ、⼩さい物体に対しても効果的な学習が可能となりました（図1）。その結果、内視鏡画像からの腫瘍検出や、CT画像からの多臓器の識別を⽤いた実験の結果、提案⼿法は従来の学習⽅法よりも精度が⼤幅に改善することを確認しました（図2, 図3）。
また最新の深層学習モデルを提案する⽅法で学習させることにより、精度をさらに改善することが可能であり、⾃動⼼臓診断チャレンジデータセット５)で現在最⾼精度を達成している深層学習モデルに、提案⼿法の学習⽅法を適⽤することで、精度をさらに更新して94.26%の最⾼識別精度を達成しました。このチャレンジのコンペティションは既に終了していますが、提案されている最新のモデルにも提案⼿法は有効であることが確認できました。

【今後の展開】
今後は⾃動運転のための⾞載画像や河川の監視カメラを⽤いた⽔位の予測など、医療分野以外での提案⼿法の多様な汎化性能について検証したいと考えています。
【謝辞】
この成果の⼀部は、JSPS科研費 23KJ2065、22H04735の⽀援を受けたものです。

【⽤語の解説】
1） セマンティックセグメンテーション：画像を画素レベルで分類するための深層学習を⽤いた画像認識技術
2） コスト関数：AIの誤差を定量化することを⽬的とした関数。このコスト関数の返す値を最⼩化するように、AIのパラメータの重みと閾値を学習する。
3） コサイン類似度：2つのベクトルがどの程度似ているかを表す尺度
4） T-vMF類似度：これまで使⽤されてきたコサイン類似度の範囲を⾃由に変化させることができる類似度関数
5） ⾃動⼼臓診断チャレンジデータセット(Automated Cardiac Diagnosis Challenge)：医⽤画像分野のトップカンファレンスであるMICCAI2017で開催された、⼼臓のMRI画像から領域を分割するコンペティション（コンペティションは既に終了済みであるが、データセットは公開されている）。

【お問い合わせ先】
・研究内容に関すること 名城⼤学 理⼯学部電気電⼦⼯学科 教授 堀⽥ ⼀弘 E-mail：kazuhotta at meijo-u.ac.jp
・広報担当 名城⼤学渉外部広報課 Tel: 052-838-2006 Email: koho at ccml.meijo-u.ac.jp (atを@に置き換えてください)