ディープラーニングによる物体検出:膀胱内視鏡における膀胱癌診断
【背景】膀胱癌は経尿道手術後に再発が多い腫瘍であり、膀胱鏡での腫瘍の見落としが原因とされている。従来の白色光(WLI)に加え、NBIは腫瘍検出の精度が改善する報告があるが、検者の経験に依存するため、再現性・客観性が乏しいことが課題である。近年、客観的な診断ツールとして人工知能(AI)が活用されているが、膀胱鏡においてAIによる腫瘍検出の研究はあまり行われていない。今回、我々はWLI/NBI膀胱鏡画像を用いて、AIによる腫瘍検出の精度を検証した。【方法】2019年12月から2020年11月まで、経尿道的膀胱腫瘍切除術(TURBT)の際に、WLI/NBIを用いて観察を行った症例の手術動画から膀胱鏡...
Saved in:
Published in | 生体医工学 Vol. Annual59; no. Abstract; p. 299 |
---|---|
Main Authors | , , , , , |
Format | Journal Article |
Language | Japanese |
Published |
公益社団法人 日本生体医工学会
2021
|
Online Access | Get full text |
Cover
Loading…
Summary: | 【背景】膀胱癌は経尿道手術後に再発が多い腫瘍であり、膀胱鏡での腫瘍の見落としが原因とされている。従来の白色光(WLI)に加え、NBIは腫瘍検出の精度が改善する報告があるが、検者の経験に依存するため、再現性・客観性が乏しいことが課題である。近年、客観的な診断ツールとして人工知能(AI)が活用されているが、膀胱鏡においてAIによる腫瘍検出の研究はあまり行われていない。今回、我々はWLI/NBI膀胱鏡画像を用いて、AIによる腫瘍検出の精度を検証した。【方法】2019年12月から2020年11月まで、経尿道的膀胱腫瘍切除術(TURBT)の際に、WLI/NBIを用いて観察を行った症例の手術動画から膀胱鏡画像を作成し、腫瘍を含む画像を腫瘍画像、腫瘍を含まない画像を正常画像と定義した。腫瘍画像を学習データ、テストデータに分類し、AIによる感度、特異度、陽性的中率を評価した。AIでの物体検出はtiny-YOLOを用い、医師個人のコンピューター上で環境構築を行った。【結果】腫瘍画像(WLI:809枚、NBI:684枚)をそれぞれtiny-YOLOで学習を行い、腫瘍画像(WLI:280枚、NBI:87枚)と正常画像(WLI:104枚、NBI:104枚)で精度検証を行った。AIによる物体検出の感度/特異度/陽性的中率は、WLIで84.6%/76.9%/90.8%、NBIで78.1%/97.1%/95.8%であった。【結論】膀胱鏡画像において、AIにより比較的良好に腫瘍検出が可能であった。更なる精度改善、リアルタイム検出への課題について、文献的考察を加え報告する。 |
---|---|
ISSN: | 1347-443X 1881-4379 |
DOI: | 10.11239/jsmbe.Annual59.299 |