Autonomous pathology grossing robot
| Project/Area Number |
20H00227
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 20:Mechanical dynamics, robotics, and related fields
|
|---|
| Research Institution | Teikyo University (2022-2023)
The University of Tokyo (2020-2021) |
|---|
Principal Investigator |
光石 衛 帝京大学, 先端総合研究機構, 教授 (90183110)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山下 樹里 国立研究開発法人産業技術総合研究所, 生命工学領域, 主任研究員 (10358252)
小関 義彦 国立研究開発法人産業技術総合研究所, 生命工学領域, 主任研究員 (30356993)
鎮西 清行 国立研究開発法人産業技術総合研究所, 生命工学領域, 副研究部門長 (60357506)
牛久 哲男 東京大学, 大学院医学系研究科(医学部), 教授 (60376415)
MarquesMarinho Murilo 東京大学, 大学院工学系研究科(工学部), 助教 (70837468)
原田 香奈子 東京大学, 大学院医学系研究科(医学部), 准教授 (80409672)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥44,720,000 (Direct Cost: ¥34,400,000、Indirect Cost: ¥10,320,000)
Fiscal Year 2023: ¥8,840,000 (Direct Cost: ¥6,800,000、Indirect Cost: ¥2,040,000)
Fiscal Year 2022: ¥7,540,000 (Direct Cost: ¥5,800,000、Indirect Cost: ¥1,740,000)
Fiscal Year 2021: ¥9,360,000 (Direct Cost: ¥7,200,000、Indirect Cost: ¥2,160,000)
Fiscal Year 2020: ¥9,490,000 (Direct Cost: ¥7,300,000、Indirect Cost: ¥2,190,000)
|
|---|
| Keywords | ロボット / 遠隔操作 / AI / 病理 / 切断 / 自動化 |
|---|
| Outline of Research at the Start |
病理検査における生体組織の切り出しタスクを対象として，ロボットによる高精度な自動切り出しを実現することを目的とする．研究においては，病理サンプルの画像処理による病変部位の特定，及びFinite Element Analysisを統合した強化学習プラットフォームによる最適な切り出し手法の研究を行い，その結果を病理切り出しロボットシステムに搭載して評価を行う．
|
| Outline of Annual Research Achievements |
昨年度に引き続き，東大病院病理部と産総研により病理画像を収集し，それらの画像に対するアノテーションを行った．開発した画像処理手法を用いて，切り出し作業の対象となる部位のセグメンテーションを行った．また，医師の切り出し作業を撮影し，医師の動作解析を行った．撮影した画像から刃物の動作を抽出し，解析する必要があるが，前年度に撮影されたものが解像度や撮影の方向などからして十分ではなかったので，刃物に目印をつけるなどの工夫をするとととに，撮影角度，大きさを変更した．
切除シミュレータに関しては，前年度までの研究により，構築したシミュレータによって反力の予測がある程度可能であり，また，引き切りによって垂直方向反力を小さくすることができることがわかったので，切り出し軌道の最適化・自動化のために開発したシミュレータを用いた強化学習を行い，垂直方向反力をより小さくすることを試みた．具体的には，ナイフ初期高さと被削材厚さとの比と、ナイフの初期角度をパラメータとして垂直方向反力を最小化する軌道を強化学習によって求めた．問題設定として，次の2ステップとした．ステップ1では、ナイフをある初期角度とある高さからナイフ角度が0になるまで回転しつつ引き切りをする．次にステップ2では残りの高さを回転なしで引き切りする．学習結果から，すべて引き切りの場合は垂直方向反力が最も小さく，落とし切りの場合は垂直方向反力が最も大きかった．被削材としてシリコーンゴム、および豚肝臓を用いた実験を行った．豚肝臓を切除した際にも，回転なしの引き切りの際に垂直方向反力が最も小さく，落とし切りの条件の際に最も大きくなった．このことから，回転なしの引き切りが有効であることが分かった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
昨年度に引き続き、更なる病理画像の収集と，医師による切除動作画像の取集を進めた．また，切除シミュレータを用いた強化学習を試み，垂直方向反力が小さくなるような切除方法の検討を行った．これらからして，おおむね順調に研究が進展している．
|
| Strategy for Future Research Activity |
引き続き，東大病院病理部と産総研により病理画像の更なる収集と，AIを用いてそれらの画像に対するアノテーションを行う．また，開発した画像処理手法を用いて，切り出し作業の対象となる部位のセグメンテーション精度を向上する．また，医師の切り出し作業の収集と解析を行う．
ロボットの制御については，強化学習を用いて最適なナイフの動作を学習することを目的とする．これまでに開発してきた有限要素法によるシミュレーションの改良を引き続き行い，模擬サンプルを用いてシミュレーションの精度を評価する．具体的には，実際に即した多層モデルを扱う．切断力と切断面の状態との関係についても引き続き調べる．
|
Report
(3 results)
Research Products
(3 results)
