| Project/Area Number |
20K20215
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 90130:Medical systems-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
Takenaga Tomomi 東京大学, 医学部附属病院, 特任助教 (80779786)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
|---|
| Keywords | radiology report / computer-aided diagnosis / segmentation / classification / detection / Gd-EOB-DTPA enhanced MRI / liver nodular lesions / liver segments / Gd-EOB-DTPA / MRI / computer aided diagnosis / computer aided detection / liver nodule / liver segment / CADe / CADx / FC-ResNet |
|---|
| Outline of Research at the Start |
本研究は，Gd-EOB-DTPAによる肝造影MR画像の多時相画像を入力としてCNNによる肝転移，肝細胞癌の自動検出・自動鑑別を行うことで，MR画像特有の問題である“画像の不均一”，“画素値が絶対値でないこと”を解決し，高精度な画像診断を支援方法を構築するものである．
|
| Outline of Final Research Achievements |
This study aims to develop and implement an automated system for the detection, classification, and report generation of liver nodular lesions in MR images enhanced with Gd-EOB-DTPA (EOB-MR images). During the research period, the following objectives were accomplished:
(1) Development of a computer-aided diagnosis system that simultaneously detects and classifies liver nodular lesions in EOB-MR images. (2) Improvement of detection and classification performance through data enrichment. (3) Automatic extraction of liver segments using deep learning, based on rule-based methods for liver segment extraction. (4) Automated generation of reading reports.
|
| Academic Significance and Societal Importance of the Research Achievements |
最終的に達成した読影レポートの自動生成は、単純なルールベースな手法で構造化レポートを自動生成したものではあるが、他の手法による構造化レポート自動生成の評価や正解としての利用が可能であるため、重要な結果であると考える。自動生成を試みた読影レポートは実際に読影医の作業を取って代われるほどのものではないが、この試みにより、診断を行う際の負担軽減や診断精度の向上が図られることが期待される。
|
