AIを用いた超音波検査における影の自動検出法を開発：医療機器ニュース

理化学研究所は、深層学習によるラベルなしデータでの学習によって、超音波検査にAI技術を適用する際に課題となっている影を効率的に自動検出する新手法を開発した。

[MONOist]

　理化学研究所は2019年7月26日、超音波検査にAI（人工知能）技術を適用する際に課題となっている音響陰影の検出に、効率的な新技術を開発したと発表した。同研究所革新知能統合研究センター 研究員の小松正明氏らが、富士通、昭和大学、国立がん研究センター研究所と共同で行った。

　研究では、深層学習によるラベルなしデータでの学習により、影を自動検出する新手法を開発。3つのステップを通し、学習を進めた。

　最初に、元画像と専門医の知見に基づいてランダムに作成した人工影を合成したものを入力画像とし、次にその入力画像を、影のみを含んだ画像（影のみ画像）とそれ以外の構造物のみを含んだ画像（構造物のみ画像）に一旦分離し、それらを合成して入力画像を再構成するオートエンコーダを構成（再構成画像）した。

　最後に、人工影を合成した入力画像と再構成画像との誤差と、人工影と分離した影のみ画像との人工影が存在する領域での誤差が、同時に小さくなるように学習させた。

　学習後に影を検出する場合は、入力画像を超音波検査画像とし、影のみ画像を検出結果とし、影のみ画像の画素値の合計の比較などによって、影あり、影なしを自動的に判定できる。

　さらに、本技術を昭和大学病院産婦人科での通常の妊婦健診において取得した胎児心臓の超音波検査動画に適用して評価した。その結果、グレースケールの画像を白と黒の2階調へ変換する画像処理手法、および従来型の深層学習手法と比較して、今回の新たな手法は高精度に影を検出できることを確認した。

　これにより、検出した影が胎児心臓の異常検知に悪影響を及ぼす可能性を見いだした。検査者に対して再走査の指示を出し、誤った異常検知を防げる。

　本技術は、検査対象などが変化しても手法やモデルを変える必要がなく、危険性の高い影がどこにあるかのラベル付けも不要だ。よって、従来手法に比べて、技術を実装する労力やコストが大幅に削減されるので、成人循環器やがん検診など、超音波検査が用いられている幅広い領域での横断的活用が期待される。

　また、本技術を胎児心臓超音波スクリーニングの基盤技術と統合することで、異常検知性能を向上させ、条件を満たさない入力を判定して再走査を指示する仕組みの構築を目指すとしている。

ラベルなしデータで超音波画像の影を学習するモデル 出典：理化学研究所

従来手法と本手法とを比較した評価結果 出典：理化学研究所

超音波検査画像の処理可否を判定する方法の例 出典：理化学研究所