文献

J-GLOBAL ID：201702252725882432   整理番号：17A0156329

深層ニューラルネットワークによる皮膚科専門医レベルの皮膚がん分類

Dermatologist-level classification of skin cancer with deep neural networks

著者 (8件)： ESTEVA Andre (Stanford Univ., California, USA) ,  KUPREL Brett (Stanford Univ., California, USA) ,  NOVOA Roberto A. (Stanford Univ., California, USA) ,  KO Justin (Stanford Univ., California, USA) ,  SWETTER Susan M. (Stanford Univ., California, USA) ,  SWETTER Susan M. (Veterans Affairs Palo Alto Health Care System, California, USA) ,  BLAU Helen M. (Stanford Univ., California, USA) ,  THRUN Sebastian (Stanford Univ., California, USA)
資料名： Nature (London)  (Nature (London))
巻： 542  号： 7639  ページ： 115-118  発行年： 2017年02月02日 
JST資料番号： D0193B  ISSN： 0028-0836  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 最も多いヒト悪性腫瘍である皮膚がんは,主に視覚的に診断され,初期臨床スクリーニングが行われた後,ダーモスコピー解析,生検,および病理組織検査が行われることがある。画像を用いた皮膚病変の自動分類は,皮膚病変の外観には細かなばらつきがあるため,難しい課題である。深層畳み込みニューラルネットワーク(CNN)には,多くの細かな対象カテゴリー全体にわたり,一般的で変動性の高い課題をこなせる可能性がある。本研究で我々は,入力としてピクセルと疾病ラベルのみを用い,画像からエンドツーエンドで直接学習させた,単一のCNNを用いた皮膚病変の分類を実証する。我々は,2032の異なる疾病からなる12万9450の臨床画像(以前のデータセットよりも2桁多い)のデータセットを用いてCNNを学習させた。我々は生検で確認した臨床画像について,このCNNの成績を21人の皮膚科認定医と比較検証した。ここでは「角化細胞がん」対「良性脂漏性角化症」,「悪性黒色腫」対「良性母斑」という,2つの重要な二項分類使用症例を用いた。前者は最も多いがんの識別であり,後者は最も致命的な皮膚がんの識別である。CNNはどちらの課題においても,試験に参加した全ての専門家と同等の成績を達成したことから,人工知能は皮膚科医に相当する能力で皮膚がんを分類できることが示された。深層ニューラルネットワークを装備した携帯デバイスにより,皮膚科医の診察が診療所の外でも受けられる可能性がある。2021年までにスマートフォン契約者は63億人に達すると見込まれ,従って,重要な診断があらゆる場所で安価に受けられるようになるかもしれない。Copyright Nature Japan KK 2017

シソーラス用語： ニューラルネットワーク ,  医師 ,  *皮膚腫瘍 ,  分類 ,  *肉眼検査 ,  *画像診断 ,  *顕微鏡観察 ,  スクリーニング ,  画素 ,  エンドツーエンド方式 ,  学習 ,  集合 ,  悪性黒色腫 ,  母斑 ,  角化症 ,  *鑑別診断 ,  人工知能 ,  データセット ,  ディープニューラルネットワーク
準シソーラス用語： 深部ニューラルネットワーク ,  皮膚科医 ,  腫瘍分類 ,  *ダーモスコピー ,  脂漏性角化症 ,  *良性悪性鑑別

分類 (3件)： 腫ようの診断  (GE03020J) ,  皮膚の腫よう  (GF04000X) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 深層ニューラルネットワーク ,  皮膚科 ,  専門医 ,  皮膚がん ,  分類