乳がん診療に活かす　やさしいAI入門

出版社： 中外医学社
著者：
発行日： 2022-03-05
分野： 臨床医学：一般  >  臨床検査診断
ISBN： 9784498160248
電子書籍版： 2022-03-05 （1版1刷）
書籍・雑誌
≪全国送料無料でお届け≫
取寄せ目安：8～14営業日

3,520 円(税込)

購入する
電子書籍
章別単位で購入
ブラウザ、アプリ閲覧

3,520 円(税込)

購入する

商品紹介

AIって何？　乳がん診療にどう使えるの？　将来はどうなるの？……などのAI初心者が必ずぶつかる疑問を解消する，乳がん診療でのAI活用の入門書．AIの進化のスピードはすさまじく，知らないでは済まない未来がもうそこまで来ている．本書では，現時点で知っておくべき必要最小限の知識を凝縮した．1テーマ1見開きでポイントが一目瞭然の紙面，イメージで理解できる豊富なイラストなど，AIを学ぶファーストステップに最適な1冊だ．

目次

  • CHAPTER I　AI基礎
    　　1．関連技術と人工知能（AI）の位置づけ
    　　　[１]情報ネットワークの普及と進化
    　　　[２]ビッグデータとデータサイエンス
    　　2．コンピュータ技術の発展
    　　　[１]ハードウエアの進歩
    　　　[２]ソフトウエア環境の整備
    　　3．AIとは
    　　　[１]AIの定義
    　　　[２]AIの分類
    　　　[３]AIの歴史
    　　4．AI技術の要点(1)
    　　　[１]生体ニューロンとそのモデル化
    　　　[２]ニューラルネットワーク
    　　　[３]畳み込みニューラルネットワーク(1)：ネットワーク構造・畳み込み層
    　　　[４]畳み込みニューラルネットワーク(2)：プーリング層，全結合層
    　　5．AI技術の要点(2)
    　　　[１]機械学習
    　　　[２]エキスパートシステム
    　　　[３]学習データの作成
    　　　[４]コンピュータ支援診断（CAD）
    　　6．AIチャレンジ
    　　　[１]自然画像の分類コンテスト
    　　　[２]乳腺画像を対象としたコンテスト
    　　7．AIホスピタル
    　　　[１]近未来のAIホスピタルシステム
    　　　[２]様々な診断支援システム
    　　8．AIの倫理問題
    　　　[１]AI倫理に関する原則
    　　　[２]AI技術に関する企業の指針

    CHAPTER II　AI医療応用
    　　1．ディープラーニングと医療データ
    　　　[１]医療データの収集
    　　　[２]学習の種類
    　　　[３]収集するデータ形式
    　　　[４]公開画像データベース
    　　　[５]医療用データの評価
    　　2．ディープラーニングと言語処理
    　　　[１]音声認識
    　　　[２]自然言語処理
    　　3．コンピュータ診断支援
    　　　[１]CAD（コンピュータ支援診断）
    　　　[２]CADの利用形態
    　　　[３]AI-CADの未来
    　　4．ディープラーニングで分類する
    　　　[１]クラス分類
    　　　[２]乳房画像の分類例
    　　5．ディープラーニングで推定する
    　　　[１]推定する
    　　　[２]乳房画像の推定例
    　　6．ディープラーニングで検出
    　　　[１]検出・領域分割
    　　　[２]乳房画像の検出・領域分割例
    　　7．ディープラーニングで作る
    　　　[１]画像生成例
    　　　[２]乳房画像の生成例

    CHAPTER III　AI乳房画像応用
    　　1．乳がんと画像診断
    　　　[１]乳がんの疫学
    　　　[２]乳腺の解剖と乳腺疾患
    　　2．マンモグラフィ
    　　　[１]マンモグラフィの撮像，乳房濃度
    　　　[２]マンモグラフィの読影
    　　　[３]マンモグラフィのAI
    　　　[４]乳房トモシンセシスのAI
    　　3．乳房超音波
    　　　[１]乳房超音波の撮像と診断
    　　　[２]乳房超音波のAI
    　　　[３]ドプラ法とエラストグラフィ
    　　4．乳房MRIやその他の乳房画像診断
    　　　[１]乳房MRIの撮像と読影
    　　　[２]乳房MRIとAI
    　　　[３]その他の乳房画像診断
    　　　[４]治療効果判定と予後予測
    　　5．臨床応用に向けて
    　　　[１]AI vs 医師 vs 医師＋AI
    　　　[２]未来の画像診断

この書籍の参考文献

参考文献のリンクは、リンク先の都合等により正しく表示されない場合がありますので、あらかじめご了承下さい。

本参考文献は電子書籍掲載内容を元にしております。

[ CHAPTER I ] AI 基礎

P.9 掲載の参考文献
足立悠. ソニー開発のNeural Network Console入門. リックテレコム ; 2018.
 
藤田広志, 監修, 福岡大輔, 編. 2020-2021年版 医用画像のためのディープラーニング-入門編-. オーム社 ; 2020.
 
P.44 掲載の参考文献
1) インターネット白書 2016-2018. インプレス R&D.
 
2) 内閣府. 第5期科学技術基本計画.
 
3) https://dl.sony.com/ja/
 
4) https://www.scienceabc.com/innovation/what-is-artificial-intelligence.html
 
5) 松尾豊. 人工知能は人間を超えるか. KADOKAWA ; 2015.
 
6) 藤田広志, 監修・編. 2020-2021年版 はじめての医用画像ディープラーニング-基礎・応用・事例-. オーム社 ; 2020.
 
7) Fujita H. AI-based computer-aided diagnosis (AI-CAD) : The latest review to read first. Radiol Phys Technol. 2020 ; 13 (1) : 6-19.
PubMed
8) 藤田広志. AI画像診断の全体像と将来の展望-医師を助ける "第三の目" -. 情報処理. 2021 ; 62 (2) : e1-e8.
 
9) The Digital Mammography DREAM Challengeのホームページ.
 
10) https://www.synapse.org/#!Synapse:syn9773040/wiki/426908
 
11) Ehteshami Bejnordi B, Veta M, Johannes van Diest P, et al. Diagnostic assessment of deep learning algorithms for detection of lymph node metastases in women with breast cancer. JAMA. 2017 ; 318 (22) : 2199-2210.
PubMed
12) 戦略的イノベーション創造プログラム資料. https://www.med.or.jp/dl-med/teireikaiken/20200610_n2.pdf
 
13) https://confit.atlas.jp/guide/event-img/jsai2018/3H1-OS-25a-05/public/pdf?type=in
 
14) http://ai-elsi.org/wp-content/uploads/2017/02/人工知能学会倫理指針.pdf
 

[ CHAPTER II ] AI 医療応用

P.82 掲載の参考文献
1) 改正個人情報保護法. https://www.ppc.go.jp/news/press/2020/200612/
 
2) 医療分野の研究開発に資するための匿名加工医療情報に関する法律. https://www.kantei.go.jp/jp/singi/kenkouiryou/jisedai_kiban/iryoujyoho_wg/dai1/siryou1.pdf
 
3) 辻井潤一. In : 産業技術総合研究所人工知能研究センター, 編. トコトンやさしい人工知能の本. 日刊工業新聞社 ; 2016.
 
4) 福岡大輔. 2020-2021年版 標準 医用画像のためのディープラーニング : 入門編. オーム社 ; 2020. p.11.
 
5) 坂本真樹. 坂本真樹先生が教える人工知能がほぼほぼわかる本. オーム社 ; 2017.
 
6) http://marathon.csee.usf.edu/Mammography/Database.html (accessed 2021/5)
 
7) http://peipa.essex.ac.uk/info/mias.html (accessed 2021/5)
 
8) https://wiki.cancerimagingarchive.net/display/Public/BREAST-DIAGNOSIS (accessed 2021/5)
 
9) https://wiki.cancerimagingarchive.net/display/Public/CBIS-DDSM (accessed 2021/5)
 
10) https://wiki.cancerimagingarchive.net/pages/viewpage.action?pageId=702308 (accessed 2021/5)
 
11) https://wiki.cancerimagingarchive.net/pages/viewpage.action?pageId=64685580 (accessed 2021/5)
 
12) https://github.com/DIDSR/VICTRE (accessed 2021/5)
 
13) https://www.cancerimagingarchive.net/collections/ (accessed 2021/5)
 
14) https://github.com/beamandrew/medical-data (accessed 2021/11)
 
15) https://www.kaggle.com/ (accessed 2021/11)
 
16) 内山良一. Radiomicsに関係した文献とデータベース等の紹介. 日本放射線技術学会画像通信. 2017 ; 40 (1) : 54-60.
 
17) Shiraishi J, Katsuragawa S, Ikezoe J, et al. Development of a digital image database for chest radiographs with and without a lung nodule : Receiver operating characteristic analysis of radiologists' detection of pulmonary nodules. AJR. 2000 ; 174 : 71-74.
PubMed
18) 村松千佐子. In : 藤田広志, 編. 2020-2021年版 はじめての医用画像ディープラーニング-基礎・応用・事例-. オーム社 ; 2020. p.55-66.
 
19) 山下康行. ドクターがやさしく教える! 医療AI入門. 金原出版 ; 2019.
 
20) https://ubie.app/ (accessed 2021/5)
 
21) https://coughvid.epfl.ch/ (accessed 2021/5)
 
22) https://lifescience.fronteo.com/aidevice/dementia/ (accessed 2021/5)
 
23) 藤田広志. AI画像診断の全体像と将来の展望-医師を助ける "第三の目" -. 情報処理. 2021 ; 62 (2) : 1-8.
 
24) 藤田広志. いま進化・多様化するコンピュータ支援診断 (CAD). 医用画像情報学会雑誌. 2019 ; 36 (2) : 25-29.
 
25) 藤田広志. 乳房領域へのAI 応用の歴史とこれから. 臨床画像. 2019 ; 35 (10) : 1129-1138.
Medical*Online
26) Rodriguez-Ruiz A, Lang K, Gubern-Merida A, et al. Can we reduce the workload of mammographic screening by automatic identification of normal exams with artificial intelligence? A feasibility study. Eur Radiol. 2019 ; 29 (9) : 4825-4832.
PubMed
27) https://www.fda.gov/media/145022/download (accessed 2021/5)
 
28) Abramoff MD, Lavin PT, Birch M, et al. Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices. npj Digital Medicine. 2018 ; 1 : Article number 39.
 
29) 笠井聡. コニカミノルタにおける医療画像用人工知能 (AI) の開発. 日本赤十字社放射線技師会電子会誌. 2019 ; 11 : 91-100.
 
30) 寺本篤司. In : 藤田広志, 編. 2020-2021年版 はじめての医用画像ディープラーニング-基礎・応用・事例-. オーム社 ; 2020. p.27-38.
 
31) Aboutalib SS, Mohamed AA, Berg WA, et al. Deep learning to distinguish recalled but benign mammography images in breast cancer screening. Clin Cancer Res. 2018 ; 24 (23) : 5902-5909.
PubMed
32) Oshima A, Shinohara N, Kamiya N. Investigation of the effect of image resolution on automatic classification of mammary gland density in mammography images using deep learning. International Forum on Medical Imaging in Asia 2019. 2019 ; 14.
 
33) Muramatsu C. Overview on subjective similarity of images for content-based medical image retrieval. Radiological Physics and Technology. 2018 ; 11 : 109-124.
PubMed
34) Yala A, Lehman C, Schuster T, et al. A deep learning mammography-based model for improved breast cancer risk prediction. Radiology. 2019 ; 292 : 60-66.
PubMed
35) Yala A, Mikhael PG, Strand F, et al. Toward robust mammography-based models for breast cancer risk. Science Translational Medicine. 2021 ; 13, Issue 578, eaba4373.
 
36) NcKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020 ; 577 : 89-94.
 
37) Wu N, Phang J, Park J, et al. Deep neural networks improve radiologists' performance in breast cancer screening. IEEE Trans Med Imag. 2020 ; 39 (4) : 1184-1194.
 
38) Shen Y, Wu N, Phang J, et al. An interpretable classifier for high-resolution breast cancer screening images utilizing weakly supervised localization. Med Image Anal. 2021 ; 68 : 101908.
PubMed
39) Yamaguchi T, Inoue K, Tsunoda H, et al. A deep learning-based automated diagnostic system for classifying mammographic lesions. Medicine (Baltimore). 2020 ; 9 (9 27) : e20977.
 
40) 林田哲, 北川雄光. 乳房超音波AI実用化に向けた研究開発. 乳癌の臨床. 2021 ; 36 (1) : 31-37.
 
41) 藤田広志. 乳房画像診断におけるAI 応用の現状. 乳癌の臨床. 2021 ; 36 (1) : 7-17.
Medical*Online
42) 福岡大輔. AIによる放射線技術の発展. 日本放射線技術学会雑誌. 2020 ; 76 (11) : 1197-1202.
 
43) Guan S, Loew M. Breast cancer detection using synthetic mammograms from generative adversarial networks in convolutional neural networks. J Med Imging. 2019 ; 6 (3) : 031411.
 
44) Fujioka T, Mori M, Kubota K, et al. The utility of deep learning in breast ultrasonic imaging : A review. Diagnostics. 2020 ; 10 (12) : 1055.
PubMed
45) Fujioka T, Mori M, Kubota K, et al. Breast ultrasound image synthesis using deep convolutional generative adversarial networks, Diagnostics. 2019 ; 9 (4) : 176.
PubMed

[ CHAPTER III ] AI 乳房画像応用

P.116 掲載の参考文献
1) 国立がん研究センターがん情報サービス : 「最新がん統計」. https://ganjoho.jp/reg_stat/statistics/stat/summary.html#a25
 
2) 日本医学放射線学会, 日本放射線技術学会. マンモグラフィガイドライン 第4版. 医学書院 ; 2021.
 
3) 日本乳癌検診学会. MRI検査マニュアル. 金原出版 ; 2021.
 
4) 日本乳癌学会. 乳癌診療ガイドライン 2018年版. 金原出版 ; 2018.
 
5) 日本乳腺甲状腺超音波医学会. 乳房超音波診断ガイドライン 改訂第4版. 南江堂 ; 2020.
 
6) 日本乳癌学会. 乳癌取扱い規約 第18版. 金原出版 ; 2018.
 
7) 日本乳癌学会. 検診カテゴリーと診断カテゴリーに基づく乳がん検診精検報告書作成マニュアル. 金原出版 ; 2019.
 
8) American College of Radiology. Breast imaging reporting and data system (BI-RADS(R)) atlas. 5th ed. Reston, VA : 2013.
 
9) 藤田広志. 乳房画像診断におけるAI応用の現状. 乳癌の臨床. 2021 ; 36 : 7-17.
Medical*Online
10) McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020 ; 577 : 89-94.
PubMed
11) 井上謙一. 乳房画像診断のAI応用 マンモグラフィ. 乳癌の臨床. 2021 ; 36 : 19-29.
Medical*Online
12) 佐々木道郎, 戸崎光宏. 乳がん画像診断におけるAIの研究・開発の動向 マンモグラフィ. INNERVISION. 2020 ; 35 (8) : 62-65.
Medical*Online
13) 吉田美和. 超音波診断装置の技術と臨床応用の動向 自動乳房超音波画像診断装置「Invenia ABUS」について. INNERVISION. 2020 ; 35 (8) : 37-39.
Medical*Online
14) Fujioka T, Mori M, Kubota K, et al. The Utility of Deep Learning in Breast Ultrasonic Imaging : A Review. Diagnostics (Basel). 2020 ; 10 : 1055.
PubMed
15) 藤岡友之, 森美央, 山鹿絵美, 他. 乳がん画像診断におけるAIの研究・開発の動向 超音波. INNERVISION. 2020 ; 35 : 66-67.
Medical*Online
16) 椎名毅, 山川誠. 人工知能の利活用を見据えた超音波画像データベース構築とAI応用. 乳癌の臨床. 2021 ; 36 : 39-46.
Medical*Online
17) 林田哲, 北川雄光. 乳房超音波AIの実用化に向けた研究開発. 乳癌の臨床. 2021 ; 36 : 31-37.
Medical*Online
18) Fujioka T, Kubota K, Mori M, et al. Efficient Anomaly Detection with Generative Adversarial Network for Breast Ultrasound Imaging. Diagnostics (Basel). 2020 ; 10 : 456.
 
19) Fujioka T, Katsuta L, Kubota K, et al. Classification of Breast Masses on Ultrasound Shear Wave Elastography using Convolutional Neural Networks. Ultrason Imaging. 2020 ; 42 : 213-220.
PubMed
20) Kuhl CK, Schrading S, Strobel K, et al. Abbreviated breast magnetic resonance imaging (MRI) : first postcontrast subtracted images and maximum-intensity projection-a novel approach to breast cancer screening with MRI. J Clin Oncol. 2014 ; 32 : 2304-2310.
PubMed
21) Mann RM, Mus RD, van Zelst J, et al. A novel approach to contrast-enhanced breast magnetic resonance imaging for screening : high-resolution ultrafast dynamic imaging. Invest Radiol. 2014 ; 49 : 579-85.
PubMed
22) 山下裕市. AIを用いたMR画像ノイズ除去技術Deep Learning Reconstructionについて. 医用画像情報学会雑誌. 2019 ; 36 : 102-104.
 
23) Codari M, Schiaffino S, Sardanelli F, et al. Artificial intelligence for breast MRI in 2008-2018 : A systematic mapping review. AJR Am J Roentgenol. 2019 ; 212 : 280-292.
PubMed
24) Mori M, Fujioka T, Katsuta L, et al. Feasibility of new fat suppression for breast MRI using pix2pix. Jpn J Radiol. 2020 ; 38 : 1075-1081.
PubMed
25) Adachi M, Fujioka T, Mori M, et al. Detection and diagnosis of breast cancer using artificial intelligence based assessment of maximum intensity projection dynamic contrast-enhanced magnetic resonance images. Diagnostics (Basel). 2020 ; 10 : 330.
PubMed
26) Fujioka T, Yashima Y, Oyama J, et al. Deep-learning approach with convolutional neural network for classification of maximum intensity projections of dynamic contrast-enhanced breast magnetic resonance imaging. Magn Reson Imaging. 2021 ; 75 : 1-8.
PubMed
27) 日本核医学会. FDG PET, PET/CT診療ガイドライン 2020. http://jsnm.org/archives/4372/
 
28) 日本核医学会. 乳房専用PET診療ガイドライン 2019. http://jsnm.org/archives/759/
 
29) 結縁幸子. マンモグラフィの技術と臨床応用の動向と課題 造影マンモグラフィ. INNERVISION. 2020 ; 35 (8) : 26-29.
Medical*Online
30) 井手佳美. 画像診断技術の動向と臨床応用 造影マンモグラフィの臨床応用に向けた現状と将来展望. INNERVISION. 2019 ; 34 (8) : 40-42.
 
31) 乳がん診断支援装置審査WG. 令和2年度次世代医療機器・再生医療等製品評価指標作成事業報告書. https://dmd.nihs.go.jp/jisedai/breast/
 
32) Gillies RJ, Kinahan PE, Hricak H. Radiomics : Images are more than pictures, they are data. Radiology. 2016 ; 278 : 563-577.
PubMed
33) Ongena YP, Yakar D, Haan M, et al. Artificial intelligence in screening mammography : A population survey of women's preferences. J Am Coll Radiol. 2021 ; 18 (1 Pt A) : 79-86.
 
34) Allen B, Agarwal S, Coombs L, et al. 2020 ACR data science institute artificial intelligence survey. J Am Coll Radiol. 2021 Apr 20 : S1546-1440 (21) 00293-3. Online ahead of print.
 
35) 落谷孝広. 乳がん検診におけるリキッドバイオプシー. 日本乳癌検診学会誌. 2020 ; 29 : 97-100.
Medical*Online

書評

最近チェックした商品履歴

Loading...