Core Concepts
3D正規化流れモデルを用いて、肺CTスキャンの異常を検出する。健常データのみを使って学習し、テスト時の逸脱度から異常を検出する。
Abstract
本研究では、3D正規化流れモデルを用いた肺CTスキャンの異常検出手法「CT-3DFlow」を提案している。
まず、822人分の肺CTスキャンデータ(正常570件、異常252件)を用意し、前処理を行う。次に、正常な3D CT パッチ(48x48x48)を使ってNFモデルを学習する。
推論時は、CT全体を重複するパッチに分割し、各パッチの対数尤度(Log P)を算出する。これらのLog P値をガウシアンフィルタリングして全CTのLog P マップを生成する。このマップを二値化、フィルタリング、しきい値処理することで、患者レベルの正常/異常判定を行う。
提案手法は、他の手法(AE、VAE、GAN系、NF系、拡散モデル)と比較して、AUROC、F1スコア、精度の全てで最高性能を示した。3D正規化流れモデルの有効性が確認できた。今後は、他のモダリティや臓器への適用拡大が期待される。
Stats
正常データ570件、異常データ252件の合計822件のデータを使用した。