G-014
3D-DenseNetによるCT Colonographyにおける擬陽性陰影の低減

◎植村知規（Massachusetts General Hospital and Harvard Medical School/九工大）・Janne Näppi（Massachusetts General Hospital and Harvard Medical School）・陸　慧敏（九工大）・橘　理恵（大島商船高専）・弘中　亨（Massachusetts General Hospital and Harvard Medical School）・金　亨燮（九工大）・吉田広行（Massachusetts General Hospital and Harvard Medical School）

大腸ポリープのコンピューター支援検出(CADe)システムは高感度である一方，依然として多くの擬陽性陰影を検出する傾向にある．本研究では， CADeにおける擬陽性陰影を深層学習により低減する手法を提案する．CADeによる検出結果を病変候補とし，陽性・擬陽性の2値分類問題として定式化した．病変は3次元的に特徴的な構造を持つことから，3次元DenseNetを分類器として用いた．203症例のデータに対し5分割交差検証法により提案モデルの検証を行ない，受信者動作特性曲線下の面積(AUC)を分類性能の評価指標とした．提案モデルは，AUC 0.97を示し，比較モデルのAUCとの間に統計的有意差が認められた．従って，提案モデルは有意に擬陽性の低減が可能であることが示された．