一般社団法人 日本医療情報学会

[4-F-2-OP29-5] Contrast Limited Adaptive Histogram Equalization(CLAHE)を用いた肺結節画像の畳み込みニューラルネットワーク(CNN)による識別

山田 晋太郎1, 辻 真太郎2, 樋口 謙介3, 阿部 司4, 佐藤 友昭5, 小笠原 克彦2 (1.北海道大学大学院保健科学院, 2.北海道大学大学院保健科学研究院, 3.日本電気株式会社 社会公共ビジネスユニット 医療ソリューション事業部, 4.NECソリューションイノベータ株式会社 パブリック事業本部 第一医療ソリューション事業部, 5.NECソリューションイノベータ株式会社 プラットフォーム事業本部 第二PFソフトウェア事業部)

【背景】
近年、読影医の負担軽減や検診のコスト削減を背景に精度の高い医療画像の診断支援システム(CAD)の開発が望まれておりConvolutional Neural Network(CNN)を利用した医療画像の解析が多数報告されている。CNNにおいては学習に用いる画像の前処理が重要であると指摘されており低コントラストを強調するCLAHEは肺野の病変陰影を強調する処理として有効であることが予想される。そこで本研究ではより精度の高いCNNによるCADシステム構築の一環として肺結節の識別を目的としCNNによるCLAHEの前処理の有効性について検討した。


【方法】
日本放射線技術学会が公開している247枚の胸部単純X線画像を2セット用意し一方にCLAHE処理を施した。それぞれのセットから結節像と非結節像を256×256ピクセルサイズで切り出した。CNNの層数を5層から13層にかけて変化させながら2セットの結節像と非結節像をそれぞれ識別し正答率を比較した。CNNアルゴリズムにはRAPIDを使用した


【結果・考察】
5層から13層の全てのCNN学習モデルにおいてCLAHE処理を施した画像セットで学習したモデルの正答率が無処理の画像セットで学習したモデルに比べて高かった。
特に肺結節画像の識別に正答率が高かった11層のCNNにおいて無処理の画像セットモデルの正答率が70%であったのに対しCLAHE処理を施した画像セットモデルの正答率は88%であった。これらの結果からCLAHE処理がCNNによる肺結節像の識別において有効であること考えられる。