@techreport{oai:ipsj.ixsq.nii.ac.jp:00227891,
 author = {タン, チェイイェン and 赤川, 遼汰郎 and 山﨑, 達也 and 山崎, 元彦 and Cher, Yen Tan and Ryotaro, Akagawa and Tatsuya, Yamazaki and Motohiko, Yamazaki},
 issue = {13},
 month = {Sep},
 note = {肺がんは最も頻度の高いがんであり，日本における肺がんの死亡数は部位別で最多となっている．近年，肺がんの診断に用いられる CT 検査の数は増加の一途をたどっているが，放射線科専門医の数は不足しているという問題がある．そのため，医師の診断を支援するツールが現場で求められている．また，日本人の肺がんでは，EGFR（Epidermal Growth Factor Receptor）遺伝子というがん細胞の増殖に関わる遺伝子に変異がよく認められる．EGFR 遺伝子変異の有無は治療薬決定に関わる重要な因子であるが，遺伝子検査には侵襲的な組織採取が必要であるため，非侵襲的な手法の開発が期待されている．そこで，CT 画像から腫瘍を検出し，同時にその画像情報から EGFR 遺伝子変異の有無を判定する非侵襲的な診断支援ツールが必要である．本研究では，深層学習による肺腫瘍の自動検出から機械学習を用いた EGFR 遺伝子変異の有無予測までを End-to-End で実現し，放射線科専門医の診断のサポートするシステムを構築する．, Lung cancer is the most common type of cancer and is the leading cause of cancer-related deaths in Japan. However, with the increasing number of CT examinations for diagnosis, the healthcare system faces challenges due to a shortage of specialized radiologists. As a result, there is a high demand for diagnostic support tools that can assist physicians in the field. Among the Japanese population diagnosed with lung cancer, mutations in the EGFR (Epidermal Growth Factor Receptor) gene, a key factor in cancer cell proliferation, are frequently observed. The presence/absence of EGFR mutations is a critical determinant in therapeutic decision-making. However, current methods for identifying these mutations require invasive tissue sampling, thereby increasing the need for non-invasive diagnostic approaches. This study aims to fill this gap by developing a diagnostic support system that leverages deep learning algorithms for automated lung tumor detection in CT images and utilizes machine learning techniques for the concurrent prediction of the presence/absence of EGFR mutations. This end-to-end system is designed to aid radiology specialists in their diagnostic procedures.},
 title = {肺がんにおけるEGFR遺伝子変異の有無を予測するCT画像診断支援システム},
 year = {2023}
}