[4Q2-OS-5] 医療におけるAIの社会実装に向けて

[4Q2-OS-5-04] 選択的アノテーションを用いた半教師あり連続画像セグメンテーション手法の提案

〇髙屋 英知^1,2,3、栗原 聡¹ (1. 慶應義塾大学 大学院理工学研究科、2. 聖マリアンナ医科大学、3. 東北大学病院 Smart Hospital 推進室 AI Lab)

[[オンライン]]

キーワード：医用画像、フラクタル解析、半教師あり学習、深層学習

MRIやCT画像を始めとした医用画像に対するアノテーションは，がん治療の効果測定や放射線治療の目標領域特定のために必須の作業である．さらに近年では，医療AI研究の現場においても，機械学習モデルに入力するための画像データを前処理する過程で，アノテーション作業が必須になる例が数多く見られる．しかしながら，アノテーション作業に従事する医療者は日々の臨床においても膨大な業務を抱えており，彼らが割くことのできるエフォートは限られている．本研究では，連続する画像に対するセグメンテーションを最小限のアノテーションで実現するための手法を提案する．具体的には，連続する画像におけるフラクタル次元を算出し，値の大きい数枚の連続スライスを選択してアノテーションを施す．残りのスライスに対し半教師ありセグメンテーション手法を適用する．パブリックな心臓MRIデータセットを用いて左心房セグメンテーションの実験を行い，提案手法の有効性を示した．