3D 細胞解像度断層像の深層学習

はじめに 光コヒーレント断層撮影 (OCT) 技術は、眼科などの医療行為で広く使用されています。 皮膚科への適用は、最近の解像度の顕著な改善までゆっくりと進行しています。 この研究で使用する新しく設計された OCT デバイスの 1 つは、国立台湾大学の Sheng-Lung Huang 教授の研究開発に基づいています。 光源は独自のガラスで覆われた結晶ファイバーで作られ、従来の高解像度 OCT の 5 ～ 10 ミクロンの解像度よりも優れたサブミクロンの解像度を肌に提供することに成功しました。 この新しい OCT システム (ApolloVue™ S100 画像システム、Viper1-S003、Apollo Medical Optics) は、この以前の臨床試験「さまざまな皮膚疾患の in vivo OCT 画像」で有害事象なしで使用されました。 その試験で収集されたさまざまな皮膚疾患のOCT画像が、HE染色された病理切片と比較されました。 彼らは医師に有益な情報を提供しました。 この臨床試験のリスクとベネフィットの評価は、予想どおりです。 リスクは、臨床使用では低く、オペレーターと被験者の両方にとって低くなります。 近年、医用画像の組織分類の解析における人工知能技術の応用が急速に発展しています。 したがって、深層学習技術を使用して OCT 画像の解釈を改善し、その後の皮膚疾患の診断に役立てます。

包含基準

実験グループ:

1. 20歳以上の成人
2. 表皮炎症性疾患の非治療病変：皮膚炎および乾癬：300人の参加者。
3. 良性腫瘍：脂漏性角化症および母斑：300名の参加者
4. 悪性腫瘍: 日光角化症 (AK)、メラノーマ、基底細胞癌 (BCC)、ボーエン病、扁平上皮癌 (SCC)、および乳房外パジェット病 (EMPD): 100 人の参加者
5. 色素性疾患: 日光黒子、黒皮症、白斑: 300 人の参加者

対照群：

上記の実験群の表皮腫瘍および色素性疾患の健康な顔（露出部位）および前腕内側（非露出部位）の皮膚を対照群として使用し、表皮炎症性疾患を除いて、対照群の参加者は700人を見込んでいた。

除外基準

実験グループ:

1. 20歳未満の未成年者
2. 細菌、真菌、ウイルス、寄生虫などの感染症を含む経皮感染症の疑いがあります。
3. 皮下組織にあるすべての皮膚腫瘍
4. すべての皮膚病変は開放創です
5. すべての皮膚病変は、スキャンが困難な場所にあります
6. -この研究の方法および関連する手順に協力する意思がない
7. 受刑者、妊婦、身体障害者、精神障害者、既知のエイズ患者、ホームレスなど、脆弱な人々

対照群：

1. 20歳未満の未成年者。
2. 表皮炎症性疾患
3. 細菌、真菌、ウイルス、寄生虫などの感染症を含む経皮感染症の疑いがあります。
4. 全身性皮膚疾患のある方。
5. 重度の皮膚疾患の病歴がある人
6. 手術/美容整形/マイクロ美容整形 (例: 過去 3 か月間に顔面および前腕の内側の健康な皮膚に美容注射および/またはレーザーなど) を適用し、医師がその手術が OCT 画像の結果に影響を与えると判断した場合。
7. -この研究の方法および関連する手順に協力する意思がない
8. 受刑者、妊婦、身体障害者、精神障害者、既知のエイズ患者、ホームレスなど、脆弱な人々

深層畳み込みニューラル ネットワーク (DCNN) を使用して、OCT 画像の組織と病変をマークしました。 DCNN モデルをトレーニングする場合、転送学習戦略を使用して、モデルを最初からトレーニングするのではなく、GoogLeNet などの多くの画像知識を含む事前トレーニング済みモデルからパラメーターを微調整します。 この方法では、自然画像と医用画像に共通する低レベルの画像知識が保持され、モデルのトレーニング時間が大幅に短縮されます。 トレーニング プロセス中、モデルに低次の画像知識を格納する最初のいくつかのレイヤーのパラメーターは固定され、モデルの後続のレイヤーのパラメーターは逆伝播アルゴリズムによって変更されます。 最後に、線形分類器のレイヤーが DCNN の最後に追加され、入力画像内の症状のタイプ/サイズが決定されます。