本文へ
ここから本文です

医師の判断プロセスに学んだ緑内障の画像診断システム -少数医用画像に対する階層的転移学習による機械学習法-

【本学研究者情報】

〇本学代表者所属?職?氏名:大学院医学系研究科 眼科学教室 ?教授?中澤 徹
研究室ウェブサイト

【概要】

理化学研究所(理研)光量子工学研究センター画像情報処理研究チームの横田秀夫チームリーダー、安光州客員研究員、秋葉正博客員研究員、東北大学大学院医学系研究科眼科学教室の中澤徹教授、面高宗子助教らの共同研究チームは、階層転移学習[1]を適用し、少数の医用画像から緑内障の病態を自動分類する機械学習[2]モデルを構築し、治療方針を決めるための有用な情報を提示することに成功しました。

本研究成果の機械学習法による画像診断システムは、緑内障に限らず、ラベル付きデータ[3]を収集することが困難な医療分野で、少数の医用画像から高精度な病態分類の機械学習モデルを開発する手法として有用です。

緑内障の診断には、視神経乳頭[4]形状に基づく分類(ニコレラ分類)が有効です。しかし、医師が眼底検査画像の読影により主観的に判断して分類するため、客観性がありませんでした。

今回、共同研究グループは、医師の診断プロセスに学んだ機械学習法を独自に開発しました。この機械学習法により、眼底検査[5]装置の光干渉断層計(OCT)[6]で撮影した画像データを用いて、緑内障病態分類モデルを構築しました。このモデルでは、階層転移学習を用いない従来法に比べて専門医による分類結果との一致度が高精度(Cohen's Kappa[7]:0.809)であり、データ数を1/4 に減らしても高精度を維持しました。

本研究は、科学雑誌『Scientific Reports』オンライン版(3月1日付)に掲載されました。

本研究で開発した機械学習法の手順

【用語解説】

[1] 階層転移学習、転移学習
既にある領域で構築済みのモデルを他の領域で適用させる技術を転移学習という。新しいデータセットを用いて、モデルを再構築する必要がある。階層転移学習は転移学習の一種で、正常と疾患を区分(大分類)してから、大分類モデルから転移学習して細分類モデルを構築する。

[2] 機械学習
人間の学習能力と同様に、機械(コンピュータ)に学習能力を持たせる手法。データから機械自身が反復的に解析し、ルールを見つけ出すという特徴がある。

[3] ラベル付きデータ
正解が既に分かっているデータ。

[4] 視神経乳頭
網膜の中枢となる部位で、全ての網膜の神経線維が視神経乳頭を通して脳へ向かう。

[5] 眼底検査
視覚は網膜の働きにより得られる。眼底検査とは、眼科計測装置によって、瞳孔を通して網膜を撮影し観察すること。

[6] 光干渉断層計(OCT)
光の干渉を用いて、非侵襲的に眼底の2 次元断面を測定できる眼科装置。光ビームの2次元の走査により、3次元ボリュームの計測が可能である。OCT はOptical Coherence Tomography の略。

[7] Cohen's Kappa
機械学習モデルの評価指標。カッパ係数とも呼ばれる。0?1 の数値であり、1 に近いほど高精度で、ガイドラインによると、0.8 を超えたらVery Good 精度、0.6?0.8であればGood 精度とされる。

詳細(プレスリリース本文)PDF

問い合わせ先

東北大学大学院医学系研究科 眼科学教室
教授 中澤 徹(なかざわ とおる)
TEL:022-717-7294
FAX:022-717-7298
E-mail:ntoru*oph.med.tohoku.ac.jp(*を@に置き換えてください)

東北大学大学院医学系研究科?医学部 広報室
TEL:022-717-7891 
FAX:022-717-8187
E-mail:pr-office*med.tohoku.ac.jp(*を@に置き換えてください)

このページの先頭へ