深層学習による上部消化管内視鏡画像に対するピロリ菌感染の分析

Application of Convolutional Neural Networks in the Diagnosis of Helicobacter pylori Infection Based on Endoscopic Images
Takumi Itoh, Hiroshi Kawahira, Hirotaka Nakashima, Noriko Yata Endoscopy International Volume 6 pp.139-144 2018

“Helicobacter pylori(HP)に関連する慢性胃炎は,粘膜萎縮と腸上皮化生を引き起こす可能性があり,どちらも胃がんのリスクを高める.定期検診中のHP感染の診断精度は重要である.そこで胃の内視鏡画像の特定の特徴を認識できる,深層学習に似た機械学習アルゴリズムの畳み込みニューラルネットワーク(CNN)を開発することを目的とした.このようなシステムの開発の背後にある目標は,HP感染を早期に発見し胃癌を予防することである.CNNの開発には,139人(65人はHP陽性,74人はHP陰性)の患者から得られた179枚の上部消化管内視鏡検査画像を使用した. 179枚の画像のうち,149枚はトレーニング画像として使用され,残りの30枚(HP陰性患者から15枚,HP陽性患者から15枚)はテスト画像として使用するために確保した.149枚のトレーニング画像はデータ増加の対象とされ,596枚の画像を生成した.CNNを使用してHP感染を認識する学習ツールを作成し,感度,特異性,および受信者動作特性曲線(ROC)の下の面積(Area Under the Corve :AUC)を計算することにより,30枚のテスト画像でCNNの精度を評価した.
HP感染の検出に対するCNNの感度と特異性はそれぞれ86.7%と86.7%であり,AUCは0.956であった.HP感染のCNN支援診断は可能と思われ,検診中の診断を促進および改善することが期待される.”