kobayashi_kousuke

研究背景、概要、目的

肺がんは死亡率の高い疾患であり、早期発見および適切な悪性判断が重要である。低線量CT検診の普及により肺結節の発見数は増加しているが、その全てが悪性とは限らないため、正確な診断支援技術が求められている。
従来のコンピュータ支援診断（CAD）手法の多くは単時点のCT画像に基づく分類を行っているが、実臨床では結節の経時的変化が悪性判断において重要な指標となっている。
そこで本研究では、経時的胸部CT画像を入力とし、3D CNNにより各時点の特徴を抽出し、LSTMを用いて時間的変化を考慮した悪性度判定モデルを構築することで、単時点分類より高精度な診断支援の実現を目指す。

参考文献

・Riqiang Gao et al. (2020), "Time-distanced gates in long short-term memory networks", Medical Image Analysis, Vol.65, 101785.
・Fangzhou Liao et al. (2019), "Evaluate the malignancy of pulmonary nodules using the 3-D deep leaky noisy-or network", IEEE Transactions on Neural Networks and Learning Systems.
・Arnaud A. A. Setio et al. (2017), "Validation, comparison, and combination of algorithms for automatic detection of pulmonary nodules in CT images: The LUNA16 challenge", Medical Image Analysis.
・National Lung Screening Trial Research Team (2011), "The National Lung Screening Trial: Overview and study design", Radiology, Vol.258, No.1, pp.243–253.