Project/Area Number |
20K18712
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 57060:Surgical dentistry-related
|
Research Institution | Nagoya City University (2022-2023) Aichi Gakuin University (2020-2021) |
Principal Investigator |
石橋 謙一郎 名古屋市立大学, 医薬学総合研究院(医学), 講師 (80714609)
|
Project Period (FY) |
2020-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
Keywords | ディープラーニングシステム / 口腔扁平上皮癌 / 細胞診 / deep learning / 口腔がん / 人工知能 / Deeep learning / 口腔がん検診 / 深層学習(deep learning) |
Outline of Research at the Start |
進行口腔がんは予後不良の悪性腫瘍であるが、口腔は直達視可能な領域であり、口腔がん検診により早期発見、予防ができる。申請者らは口腔がん検診に用いられることのある細胞診を人工知能を用いてDeep learningし、学習済みモデルを作成し、人工知能による診断を可能することを本研究の目的としている。人工知能による細胞診診断システムを用いて、異型細胞を自動で検出およびClassificationを行う。細胞診をwhole-slide imaging化し、この人工知能による診断システムでの細胞異型の検出の可能性を確認する。人工知能による細胞診診断システムを開発し、口腔癌の早期発見に寄与したい。
|
Outline of Annual Research Achievements |
ディープラーニングの技術は年々目覚ましく発展を遂げ、医療分野にも浸透し始めている。中でも、胸部XP写真においては、病巣を疑う領域を視覚化する技術も取り入れ始めている。私も初期段階において、DIGITSによるdeep learningによる画像診断の仕組みを学び、パノラマ画像を用いて唾石や骨折の検出を行い、検出力について報告してきた。この技術を知識から、細胞診へ応用を開始している。 口腔がんは子宮頸がんと同様に扁平上皮癌が主体であるにも関わらず、細胞診による診断は主体ではない。その理由に口腔細胞診診断医の不足もあり、早期発見につながっていない。そのため、病院へ受診時に生検で診断がつくことが多く、多くの歯科診療所などでも診断が可能になれば、早期発見、早期治療へとつながると考えている。現在、MATLABOを用いて、多くの画像から細胞質および核を効率よくセグメンテーションをするプログラムを作成し、教師用の細胞診画像の効率的な学習に取り組んでいる。セグメンテーションには、"cellpose library"を用いることで、精度を上げている。matlabでは、ホールスライドイメージングにも対応させ、かつ"cellpose library"を用いることでより大量の細胞での解析がスムーズに行えるようになってきている。そのため、扁平上皮細胞以外にも、リンパ球や一部の真菌などの細胞も分別して検出し、適切な診断に近づくべく、ディープラーニングシステムを構築を進めている。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
扁平上皮癌のみで区分をして教師データとなるものを作成していたが、リンパ球などのそのほかの細胞を誤認してしまう傾向を認めたため、各細胞ごとに教師データを作成し、精度を上げる方針にしたため、教師データの作成にも時間を要している。また、近年、教師なし画像を用いたディープラーニングシステムが散見されるため、教師なし画像を用いた解析も並行して行っている。このため、遅延が生じたと考えています。
|
Strategy for Future Research Activity |
ホールスライドイメージングに対応した"cellpose library"を用いることで、細胞の核や細胞質を効率よくセグメンテーションすることが可能になり、各種細胞にわけて、大量の細胞での学習が可能になったため、これらの技術をもちいて解析精度の向上と研究の推進を行っていく予定である。
|