簡易入力された病変データを用いた学習の識別性能への影響:臨床応用に則した追加学習機能を伴うCADソフトウェアの開発に関する初期検討

摘要

臨床応用されるCAD（Computer Assisted Detection）ソフトウェアには，画像の撮影条件等が原因で生じる特徴量の変動に対する柔軟性が求められており，ソフトウェアへの追加学習機能の導入は重要である．追加学習にはソフトウェアの見落としや過検出などの指摘が必須であるが，医師がこれらを指摘する時間は限られるため，中心点のみなどの簡易入力データによる追加学習が望ましい．本研究では，CADソフトウェアの追加学習に関する初期検討として，頭部MRA像上の脳動脈癌検出ソフトウェアを用い，簡易入力データセットを用いた学習が識別性能に与える影響について実験的に検討する．%CAD (Computer Assisted Detection) software in clinical use needs a robustness for image feature variations caused by differentiating imaging parameters or conditions. Therefore, adding an incremental learning function for CAD software is an important step in developing it. Data for incremental learning should include true positives, false positives, and false negatives that would be a time consuming inputting for radiologists. Therefore incremental learning should be processed by using a simple pointed lesion dataset such as gravity center of lesion. In this study, we investigate how incremental learning that uses a simple pointed lesion dataset affects voxel differentiation, by using software for detecting cerebral aneurysms in clinical MR angiography.