富士通研究所は16日、少数のデータしか学習に使用できない場合でも、深層学習（ディープラーニング）による物体検出が可能な人工知能（AI）技術を開発したと発表。これにより医療画像からの組織検出精度を2倍以上向上させることができるという。
近年、様々な分野でAIの活用に向けての取り組みが進んでいるが、医療分野では診療画像の分析に異常個所などの物体検出のAI自動化もその一つ。診療画像から特定の被写体を切り出す物体検出では、一般的にディープラーニングを用いており、その精度を出すために学習用として数万枚規模の正解データ付きの画像が必要だ。しかし、正解データは専門知識を持つ医師しか作成できないため、大量入手が困難という課題があった。
同社は京都大学大学院医学研究科と高度医療化に向けたAI活用の共同研究を行っており、その一つとして腎臓病支援診断の研究を進めている。今回は、検出用ニューラルネットワークの推定結果を手掛かりに、元の画像を復元させる復元用ニューラルネットワークで復元画像を出力し、元画像と復元画像の比較で推定位置の正しさを検証。推定と復元を大量の画像に対して繰り返し行うことで、正解データを増やしながら精度を上げられるようになった。これにより、正解データのない画像450枚を用いて、人間と同じ見逃し率10％の条件の下で従来の2倍以上である27％の精度を達成した。
この技術は他の正解データ付き画像の少ない分野での物体検出に広く応用可能で、製造ラインの画像を使った異物の検出などへの適用先拡大が考えられるという。同社は2018年度中にアプリケーションとしての導入を目指す。
画像提供：富士通（冒頭の写真はイメージ）