臨床泌尿器科73巻9号

2019年08月発行

特集 ここまで見える！　泌尿器科における可視化の進歩 〈AIによる可視化〉

前立腺MRI画像のAI診断

著者： 石岡淳一郎¹ 藤井靖久¹

所属機関： ¹東京医科歯科大学医歯学総合研究科腎泌尿器外科学

ページ範囲：P.664 - P.671

▶ポイント

・AIによる医用画像解析技術の中核をなすものは，畳み込みニューラルネットワークを用いたディープラーニングである．

・わが国や米国で，前立腺MRIのコンピュータ支援診断アルゴリズム開発が進められており，診断精度も向上しつつある．

参考文献

1） Russakovsky O, Deng J, Su H, et al : ImageNet Large Scale Visual Recognition Challenge. Int J Comput Vis 115 : 211-252, 2015

2） McCarthy J, Minsky ML, Rochester N, et al : A proposal for the Dartmouth summer research project on artificial intelligence - August 31, 1955. Ai Mag 27 : 12-14, 2006

3） Tang A, Tam R, Cadrin-Chênevert A, et al : Canadian Association of Radiologists White Paper on Artificial Intelligence in Radiology. Can Assoc Radiol J 69 : 120-135, 2018

4） LeCun Y, Bengio Y and Hinton G : Deep learning. Nature 521 : 436-444, 2015

5） McCulloch WS and Pitts W : A logical calculus of the ideas immanent in nervous activity （1943）. Bull Math Biol 52 : 99-115, 1990

6） Le Q V, Ranzato MA, Devin M, et al : Unsupervised_Icml2012. Available （http://arxiv.org/pdf/1112.6209.pdf）

7） Ting DSW, Cheung CYL, Lim G, et al : Development and Validation of a Deep Learning System for Diabetic Retinopathy and Related Eye Diseases Using Retinal Images From Multiethnic Populations with Diabetes. JAMA 318 : 2211-2223, 2017

8） Hambrock T, Vos C P, Hulsbergen-van de Kaa CA, et al : Prostate cancer : computer-aided diagnosis with multiparametric 3-T MR imaging - Effect on observer performance. Radiology 266 : 521-530, 2013

9） Kwak JT, Xu S, Wood BJ, et al : Automated prostate cancer detection using T2-weighted and high-b-value diffusion-weighted magnetic resonance imaging. Med Phys 42 : 2368-2378, 2015

10） Tsehay YK, Lay NS, Roth HR, et al : Convolutional neural network based deep-learning architecture for prostate cancer detection on multiparametric magnetic resonance images. Med Imaging 2017 Comput Diagnosis 10134 : 1013405, 2017

11） Ishioka J, Matsuoka Y, Uehara S, et al : Computer-aided diagnosis of prostate cancer on magnetic resonance imaging using a convolutional neural network algorithm. BJU Int 122 : 411-417, 2018

12） Ronneberger O, Fischer P and Brox T : U-Net : Convolutional Networks for Biomedical Image Segmentation. Available （http://arxiv.org/pdf/1505.04597.pdf）