| Project/Area Number |
20K21821
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 61:Human informatics and related fields
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岩本 祐太郎 大阪電気通信大学, 情報通信工学部, 講師 (30779054)
|
|---|
| Project Period (FY) |
2020-07-30 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
Fiscal Year 2022: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2021: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2020: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | 医用画像セグメンテーション / 三次元深層学習ネットワーク / 軽量化 / Adaptive Decomposition / Foundation Model / Adaptor / ボリューム画像 / 肝臓疾患 / セグメンテーション / 高解像度 / 深層学習 / 三次元畳み込みニュートラルネットワーク / 肝臓セグメンテーション / 肝臓腫瘍検出 / 三次元ネットワーク / 計算機支援診断 |
|---|
| Outline of Research at the Start |
近年CT画像のようなボリューム画像をそのまま解析できる三次元畳込ネットワークが注目されるようになっている。三次元ネットワークを用いることによって、医師と同じように医用画像の三次元情報が利用できるので、高精度な診断支援ができるが、多次元入力画像に対してKernelの次元数も増えるので、推定パラメータ数が指数的に増加する。計算の複雑さに加えて膨大なトレーニングデータが必要であり、それを用意することは非常に困難である。本研究では、精度を保ちながら三次元深層学習ネットワークの新たな軽量化モデルを提案する。開発した軽量化三次元ネットワークを用いてCT画像における肝臓疾患の計算機支援診断システムを開発する。
|
| Outline of Annual Research Achievements |
医用画像に特化した軽量で効率的な深層学習ネットワークを開発すると同時に、現在注目されているFoundation Modelの医用画像への効率的な適用方法に関する研究を進めてきた。今年度は以下の研究成果が得られた。
(1) Adaptive DecompositionとShared Weight ボリュームトランスフォーマーを開発し、軽量化された、高効率なPatch-Free三次元医用画像セグメンテーションネットワークを開発した。その成果に関する論文は医工学分野のトップ国際学術誌IEEE Journal of Biomedical and Health Informatics（Impact Factor: 7.021）に掲載された。
(2)2023年3月、画像Foundation Model (SAM: Segmentation Anything)が提案されたが、自然画像で学習したモデルなので、医用画像に適用すると精度が低下する。本研究では、SAMの医用画像に適用するための効率的なadaptation法(Spatial Prior Adaptor)を開発した。
(3) 2023年6月に大会長として国際学会International Conference on Innovation in Medicine and Healthcareをイタリアのローマで主催した。その論文集を本としてSpringer社より出版した。また、2023年11月に国際学会Digital Medicine and Image Processingにて「Recent Advances in Deep Learning for Medical Image Analysis」というKeynote Talkを行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初目標にしていた医用軽量化三次元深層学習モデルを開発しただけでなく、現在注目されているFoundation model (SAM)を医用画像に適用するための効率的なAdaptorを開発した。
|
| Strategy for Future Research Activity |
現在のFoundation model (SAM)は２次元画像にしか適用できない。医用ボリューム画像にも適用できるよう、その三次元化と効率的なadaptation法を開発する。
|
