内視鏡検査下での膀胱腫瘍の AI 検出

研究の背景 膀胱がんは世界で 9 番目に多い悪性腫瘍であり、毎年推定 430,000 人が新たに診断されています。 膀胱がんの標準的な診断とモニタリングは白色光膀胱鏡検査 (WLC) に依存しており、米国とヨーロッパでは年間 200 万件以上の膀胱鏡検査が実施されています。 膀胱がんは再発率が高いため、頻繁なモニタリングと介入が必要です。

筋層非浸潤性膀胱がんを早期に発見して完全に切除すると、再発と進行を抑えることができます。 しかし、多巣性疾患患者の最大 40% は、初回の経尿道的膀胱腫瘍切除術 (TURBT) では完全切除に至りません。 多くの乳頭状腫瘍や平坦な病変は、WLC では識別することが困難です。 WLC の診断上の欠陥に対処するには、費用対効果が高く、非侵襲的でユーザーフレンドリーな補助画像技術が緊急に必要とされています。

深層学習ベースの自動画像処理の最近の進歩は、膀胱鏡検査の限界に対する新たな解決策を提供する可能性があります。 畳み込みニューラル ネットワーク (CNN) は、複雑な関係を学習し、既存の知識をモデルに統合する機能を備えており、膀胱腫瘍の診断を含むさまざまな分野にわたる潜在的な応用例を示しています。 膀胱腫瘍の検出を強化するために、畳み込みニューラル ネットワークである HRNet アルゴリズムを採用しました。

研究プロセス 4.1 患者コホートの選択基準： 1. 膀胱腫瘍を患い、WLC または TURBT を受けた患者様の全編手術ビデオをご覧いただけます。

除外基準: 1. ビデオはぼやけすぎて、正常な膀胱壁と膀胱腫瘍を区別できません。 2. 切除前の膀胱腫瘍の出現の欠如。 3. インフォームドコンセントの欠如。

動画内の患者情報は表示されません。 最初に募集された 200 人の膀胱腫瘍患者からのビデオがアルゴリズム開発に使用されます。 さらに 100 人の患者からのビデオがアルゴリズムの検証に使用されます。

4.2 データの前処理 データ量を削減するために、フレームを 1:4 の比率で抽出します。 2 人の泌尿器科医が各フレームで膀胱腫瘍の境界の輪郭を別々に描き、お互いにチェックし合います。 同じ膀胱腫瘍の輪郭を描くために AI アルゴリズムが使用されます。 泌尿器科医によって注釈が付けられた膀胱腫瘍の輪郭とアルゴリズムが比較され、IOU値、精度、感度、偽陰性率が分析されます。

4.3 アルゴリズムの開発 この研究では、セマンティック セグメンテーションを使用して WLC の膀胱腫瘍を特定します。 D-LinkNet ネットワーク構造は、ImageNet データセット上で事前トレーニングされた ResNet34 をエンコーダーとして使用し、中央部分では異なる拡張率の拡張コンボリューションをカスケード方式で利用し、アップサンプリングはデコンボリューションを使用して実行されます。 すべての画像の元の解像度は 1920 × 1080 ですが、960 × 540 に 2 ダウンサンプリングされ、幅方向にゼロ パディングされて解像度 960 × 544 の画像が得られます。 このサイズの RGB 画像は、ネットワークに入力される前に正規化され、平均が減算され、分散が除算されました。 画像は 5 つのエンコード プロセス、拡張畳み込み、および 5 つのデコード プロセスを経て、最終的に 960 × 544 の予測結果が生成され、さらに後処理が行われます。 この調査では、パラメーター設定は次のとおりです: バッチ サイズ 8、Adam オプティマイザー、学習率 0.001。 トレーニング環境は NVIDIA TITAN Xp GPU でした。

4.4 結果の解釈 IOU (Intersection Over Union) は、画像認識における単一フレームの画像認識能力を評価するための重要な標準です。 IOU がしきい値を超えている場合、モデルがオブジェクトを正常に検出したことを示し、真の陽性を示します。 IOU がしきい値に到達できない場合、モデルがオブジェクトの検出に失敗したことを示唆し、偽陰性を示します。 予測が画像内にグラウンド トゥルースなしで表示される場合、それは偽陽性とみなされます。 テスト セット内のモデルの感度と精度を計算します。 Dice 係数は、2 つのサンプル間の類似性を測定します。 平均 Dice 係数が高いほど、モデルの検出パフォーマンスが優れていることを示します。

4.5 観測指標

① ビデオの注釈と分類: トレーニングおよびテストセットの手術ビデオに対する注釈ステータスと RLN 認識識別性分類結果。 ② グループ化とトレーニング後、異なる識別グループの下でテスト セットの IoU しきい値 0.1 および 0.5 でのモデルの感度、精度、偽陰性率、偽陽性率、平均 Dice 係数を観察します。

4.6 統計的手法 分析は R 4.0.2 によって分析されます。 ソフトウェアでは、データは絶対数またはパーセンテージとして表現されます。