人工知能を応用したわが国における個別化乳癌検診の実践
| Project/Area Number |
18K07736
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Kindai University |
|---|
Principal Investigator |
浅井 義行 近畿大学, 大学病院, 技術職員 (30639307)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山室 美佳 近畿大学, 大学病院, 技術職員 (90837866)
村上 卓道 神戸大学, 医学研究科, 教授 (20252653)
|
|---|
| Project Period (FY) |
2018-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2020: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2019: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2018: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
|
|---|
| Keywords | マンモグラフィ / 乳腺密度計測 / 非圧迫領域 / 乳腺密度推定 / 乳腺密度 / ディープラーニング / ROC / 病変見落とし / 乳房等価ファントム / U-Net / ロス関数 / ダイス係数 / 乳腺密度予測 / 重回帰式 / 観察者応答特性 / 乳癌検診 / 個別化 / 平均乳腺線量 |
|---|
| Outline of Annual Research Achievements |
当該年度もCOVID-19感染症拡大に伴う延長期間であった。過去4年間において人工知能（ディープラーニング）を応用した3次元乳腺密度の計測手法を確立した．その計測精度は商用として用いられている市販装置を上回るものであったが，一方で乳房内に含まれる脂肪組織の量が顕著に少ない乳房においては十分な計測精度を保つことが困難という欠点があった．そこで，今年度はより一層計測精度の向上を図るべく，我々が開発した計測手法を改良し，乳房中に含まれる脂肪量に依存せずどんな乳房に対しても安定した乳腺密度を計測できる手法を開発した．
また，この新たな乳腺密度計測手法を開発する過程において，乳腺密度計測において含めてはならない領域（非圧迫領域）の自動検出法を考案し，マンモグラム上に警告表示する技術を開発した．この技術により，従来からの課題であった厚い乳房において乳腺密度が過小評価されるという現象を未然に防ぐことに成功し，昨年12月に特許出願した．
当該年度に得られたもう一つの成果は，乳房画像が無くても，記録されているマンモグラムの撮影条件を使って乳腺密度を推定可能であることを見出したことである．近年，乳腺密度の経時変化を乳癌診療のバイオマーカーとして利用する研究が行われつつあるが，安定した成果を得るには至っていない．その理由は過去に遡って乳腺密度を計測することができないためである．我々が見出した乳腺密度推定法は画像を用いないため，撮影実績だけあれば過去に遡って乳腺密度を算出できるため，今後のバイオマーカー研究の発展に貢献するものである．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究自体はおおむね順調に進展しているが、COVID-19感染拡大の影響で国際学会が中止または延期されるケースもあり、研究成果の発表を十分にできなかった。
|
| Strategy for Future Research Activity |
開発した3次元乳腺密度自動計測技術が精度・再現性ともに満足できるものであるため，現在，2次元面積を用いて乳腺密度を算出することを基準としている我が国の方針を改め，3次元乳腺密度の使用を推進するよう学会等を通じて呼びかけていく予定である．
|
Report
(5 results)
Research Products
(22 results)
-
-
-
-
-
-
[Presentation] Robustness of a U-net model for different image processing types in segmentation of the mammary gland region2022
Author(s)
Mika YAMAMURO, Yoshiyuki ASAI, Naomi HASHIMOTO, Nao YASUDA, Hiroto KIMURA, Takahiro YAMADA, Mitsutaka NEMOTO, Yuichi KIMURA, Hisashi HANDA, Hisashi YOSHIDA, Koji ABE, Masahiro TADA, Hitoshi HABE, Takashi NAGAOK, Seiun NIN, Kazunari ISHII, Yongbum LEE
Organizer
16th International Workshop on Breast Imaging
Related Report
Int'l Joint Research
-
[Presentation] Can radiological technologists create training data for automatically segmenting the mammary gland region in non-dense breasts?2021
Author(s)
Mika YAMAMURO, Yoshiyuki ASAI, Naomi HASHIMOTO, Nao YASUDA, Takahiro YAMADA, Mitsutaka NEMOTO, Yuichi KIMURA, Hisashi HANDA, Hisashi YOSHIDA, Koji ABE, Masahiro TADA, Hitoshi HABE, Takashi NAGAOKA, Yoshiaki OZAKI, Seiun NIN, Kazunari ISHII, Yongbum LEE
Organizer
35th Computer Assisted Radiology and Surgery
Related Report
Int'l Joint Research
-
-
-
[Presentation] How to select training data to segment mammary gland region using a deep-learning approach for reliable individualized screening mammography2021
Author(s)
Yamamuro, Mika, Asai, Yoshiyuki, Hashimoto, Naomi, Yasuda, Nao, Yamada, Takahiro, et al.
Organizer
SPIE Medical Imaging, 2021
Related Report
Int'l Joint Research
-
[Presentation] Deep learning-based segmentation of mammary gland region in digital mammograms of scattered mammary glands and fatty breasts2020
Author(s)
Mika YAMAMURO, Yoshiyuki ASAI, Naomi HASHIMOTO, Nao, YASUDA, Kenta SAKAGUCHI, Tatsuo KONISHI, Koji YAMADA, Yoshiaki OZAKI, Kazunari ISHII, Yongbum LEE
Organizer
Computer Assisted Radiology and Surgery
Related Report
Int'l Joint Research
-
-
-
-
-
-
-
-
-
-
-
