[論文レビュー] CAD Applications and Emerging Research Potential in Medical Imaging

Roshan P. Mathews, Greeta Mathews|arXiv (Cornell University)|Sep 30, 2020

AI in cancer detection参考文献 36被引用数 4

ひとこと要約

この論文は、CT、MRI、マンモグラフィ、骨シンチグラフィの4つのモodalitiyを対象として、画像前処理、セグメンテーション、特徴抽出、分類の4つの主要段階に焦点を当てた、医療画像におけるコンピュータ支援診断（CAD）システムのレビューである。人工知能（AI）および機械学習の統合により、診断の正確性と可及的性、特に遠隔地域における可及的性が向上し、世界的な市場規模は18億米ドルに達するとされる。

ABSTRACT

Computer Aided Detection (CAD) is a valuable technique for precisely interpreting medical images and it has a global business opportunity of about USD 1.8 billion. The current aspects with reference to the four sub stages such as image pre-processing, segmentation, feature extraction and classification and the future scope of CAD in medical imaging has been discussed in this paper. Many reviewers have emphasized the need for synergy between engineers and medical professionals for successful development of CAD systems and the current work is a move in that direction. The engineering aspects of the above four stages in four imaging modalities viz. computed tomography, magnetic resonance imaging, mammography and bone scintigraphy used in the diagnosis of five critical diseases have been discussed with a clinical background. Automatic classification of image can play an important role in preliminary screening of very critical ailments bringing down the cost of health care. Another recent advancement is using artificial intelligence and machine learning techniques. This paper reviews these engineering aspects with a view to explore the opportunities to researchers as well as the medical industry to offer affordable medical services with accessibility in even remote locations.

研究の動機と目的

• CT、MRI、マンモグラフィ、骨シンチグラフィの4つの医療画像モodalitiyにおけるCADシステムの工学的側面を分析すること。
• エンジニアと医療専門家との間の相乗的機会を同定し、CADシステム開発を前進させること。
• AIおよび機械学習が画像分類および診断スクリーニングの効率をどのように向上させるかを評価すること。
• CADシステムが、不足している地域や遠隔地域における医療コストの削減および可及的性の向上に果たす可能性を検討すること。
• 臨床的文脈を踏まえた5つの主要疾患を想定し、現在のCADの段階（前処理、セグメンテーション、特徴抽出、分類）を包括的にレビューすること。

提案手法

• CT、MRI、マンモグラフィ、骨シンチグラフィの4つの画像モダリティにおけるCADワークフローの体系的レビュー。
• 画像品質の向上を目的とした前処理、関心領域の分離を目的としたセグメンテーション、関連するパターンの同定を目的とした特徴抽出、異常の検出を目的とした分類の4つの主要段階の分析。
• 自動画像分類および異常検出のための人工知能（AI）および機械学習技術の統合。
• がんや骨疾患などの重要な疾患の予備スクリーニングを支援するためのCADシステムの臨床統合。
• 11枚の図および14ページにわたる分析を通じた視覚的および定量的評価により、システムのパフォーマンスおよび設計原則を示す。
• 臨床的妥当性および技術的実現可能性を確保するため、エンジニアと臨床医の間の協働に重点を置く。

実験結果

リサーチクエスチョン

• RQ1 CADシステムは、異なるモダリティにおいて医療画像診断の正確性と効率をどのように向上させることができるか？
• RQ2 前処理、セグメンテーション、特徴抽出、分類の4段階におけるCADの主な技術的課題と機会は何か？
• RQ3 AIおよび機械学習は、早期疾患スクリーニングのための医療画像における自動検出をどのように強化できるか？
• RQ4 CADシステムは、遠隔地域やリソースが限られた医療環境への展開を最適化するためにどのように設計できるか？
• RQ5 エンジニアと医療専門家との連携は、臨床的に実用的なCADソリューションの開発を前進させる上で果たす役割は何か？

主な発見

• CADシステムは、約18億米ドルの世界的な市場規模を有しており、強力な商業的および臨床的需要を示している。
• AIおよび機械学習技術の統合により、医療画像における画像分類の正確性と自動化が顕著に向上している。
• 前処理、セグメンテーション、特徴抽出、分類の4段階からなるCADワークフローは、診断の一貫性とスピードの向上を明確に示している。
• CADを用いた自動スクリーニングは、放射線科医の負担を軽減し、特に遠隔地域や支援が不足する地域において医療コストの削減に寄与する。
• CT、MRI、マンモグラフィ、骨シンチグラフィにおけるCADシステムの臨床的妥当性は、がんや骨疾患の異常を検出する上で有望であることが示された。
• 工学的イノベーションと臨床的専門知識の統合が、実用的でスケーラブルかつ信頼性のあるCADソリューションの開発に不可欠である。