よむ、つかう、まなぶ。
2025年6月17日 少数データの学習でも正確な肝腫瘍抽出を学ぶ スモールデータAIを開発 (2 ページ)
出典
ページ画像
ダウンロードした画像を利用する際は「出典情報」を明記してください。
低解像度画像をダウンロード
プレーンテキスト
資料テキストはコンピュータによる自動処理で生成されており、完全に資料と一致しない場合があります。
テキストをコピーしてご利用いただく際は資料と付け合わせてご確認ください。
●背景
肝臓がんは、がん種の中でも世界で 6 番⽬に多く、がんによる死亡の⼤きな要因で
す。肝腫瘍の正確なセグメンテーションは、診断、治療計画、予後予測において極めて
重要なステップですが、医師が⼿作業で⾏う場合には⼤変な労⼒がかかり、医師間での
ばらつきも⽣じやすいという問題があります。
深層畳み込みニューラルネットワーク（DCNN）は、医療画像のセグメンテーション
に⾰命をもたらしましたが、その有効性は⼤量のアノテーションデータ（通常 1,000〜
10,000 症例）に⼤きく依存しています。このような⼤量のデータが必要なことが、医療
AI の開発の⼤きな障壁となっています。
●研究成果
研究チームは、ごく少数の学習データでも⾼精度の腫瘍セグメンテーションを可能に
する新しいディープラーニングモデル MHP-Net を開発しました（図 1）
。MHP-Net は、
画像全体ではなく、膨⼤な数の⼩さな 3D 画像パッチを使⽤することにより、ごく少数
の症例での学習を可能にしました。CT 画像から得られた各画像パッチと、それに対応
する球強調画像（⽤語 5）をペアで⼊⼒することで、複雑な腫瘍構造を効果的に学習で
きます。
図 1 限られた学習データで正確な腫瘍セグメンテーションを可能とする MHP-Net の仕組み
本モデルは、パラメータ数が 17,550 個と⾮常にコンパクトであるにもかかわらず、
DICE スコア（⽤語 6）が 0.691（学習腫瘍 7 個）
、0.709（学習腫瘍 14 個）
、0.719（学
習腫瘍 28 個）と、⾼い精度でのセグメンテーションを実現しました（表）。この DICE
スコアは、学習データが限られているにもかかわらず、MICCAI 2017 の世界肝腫瘍セ
グメンテーション競技会で優勝チーム
（学習腫瘍 908 個）
が記録した DICE スコア 0.709
肝臓がんは、がん種の中でも世界で 6 番⽬に多く、がんによる死亡の⼤きな要因で
す。肝腫瘍の正確なセグメンテーションは、診断、治療計画、予後予測において極めて
重要なステップですが、医師が⼿作業で⾏う場合には⼤変な労⼒がかかり、医師間での
ばらつきも⽣じやすいという問題があります。
深層畳み込みニューラルネットワーク（DCNN）は、医療画像のセグメンテーション
に⾰命をもたらしましたが、その有効性は⼤量のアノテーションデータ（通常 1,000〜
10,000 症例）に⼤きく依存しています。このような⼤量のデータが必要なことが、医療
AI の開発の⼤きな障壁となっています。
●研究成果
研究チームは、ごく少数の学習データでも⾼精度の腫瘍セグメンテーションを可能に
する新しいディープラーニングモデル MHP-Net を開発しました（図 1）
。MHP-Net は、
画像全体ではなく、膨⼤な数の⼩さな 3D 画像パッチを使⽤することにより、ごく少数
の症例での学習を可能にしました。CT 画像から得られた各画像パッチと、それに対応
する球強調画像（⽤語 5）をペアで⼊⼒することで、複雑な腫瘍構造を効果的に学習で
きます。
図 1 限られた学習データで正確な腫瘍セグメンテーションを可能とする MHP-Net の仕組み
本モデルは、パラメータ数が 17,550 個と⾮常にコンパクトであるにもかかわらず、
DICE スコア（⽤語 6）が 0.691（学習腫瘍 7 個）
、0.709（学習腫瘍 14 個）
、0.719（学
習腫瘍 28 個）と、⾼い精度でのセグメンテーションを実現しました（表）。この DICE
スコアは、学習データが限られているにもかかわらず、MICCAI 2017 の世界肝腫瘍セ
グメンテーション競技会で優勝チーム
（学習腫瘍 908 個）
が記録した DICE スコア 0.709