Automated organ segmentation in 3D medical images: Is uncertainty estimation by artificial intelligence useful for improving accuracy?
Project/Area Number |
21K07674
|
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 | Kobe University |
Principal Investigator |
堀 雅敏 神戸大学, 医学研究科, 特命教授 (00346206)
|
Co-Investigator(Kenkyū-buntansha) |
大西 裕満 大阪大学, 大学院医学系研究科, 准教授 (20452435)
SOUFI MAZEN 奈良先端科学技術大学院大学, 先端科学技術研究科, 助教 (80823525)
大竹 義人 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (80349563)
佐藤 嘉伸 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (70243219)
|
Project Period (FY) |
2021-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
Keywords | 放射線診断 / 人工知能 / セグメンテーション / 不確実性 / 精度 / コンピュータ支援診断 / CT / MRI / 放射線診断学 |
Outline of Research at the Start |
Ⅰ. 3次元医用画像データの収集と整備を行う。放射線科医が腹部臓器の抽出を行うことで臓器領域の「正解」データを作成する。次に、腹部3次元医用画像からの臓器自動抽出とその「確からしさ」(あるいは不確実性)出力ができるようにする。 Ⅱ. 人工知能(AI)による臓器自動抽出は完全でなく、修正が必要になる場合がある。修正の必要性とBayesian U-Netの「確からしさ」との関連を調べ、AI出力を臨床に利用するための良好な指標を開発する。 Ⅲ. AIシステムの学習に使用しなかった症例に対し、Bayesian U-Net を用いた臓器自動抽出を行う。「確からしさ」スコアを利用したAI性能向上の手法を探る。
|
Outline of Annual Research Achievements |
人工知能(AI)を応用して臨床に有用な技術開発を目指す多くの研究が試みられ、成功を収めている。しかし、その一方で課題も残っている。課題の一つとして、AI出力の「確からしさ」の評価が挙げられる。近年、学習済みAIのノードの一部をランダムに無効化する手法(Monte Carlo dropout)が、AI出力の「確からしさ」評価に有効であることが示された。本研究では、腹部3次元医用画像を対象にした臓器自動抽出について、AI出力の「確からしさ」の有用性を探っている。これにより、1) AIの示す結果を利用すべきか否かの指標を確立し、2) 教師データ作成の省力化、3) AIシステム精度の効率的な改善を目指している。また、複雑な臓器構造を有する腹部領域での成果は、全身に拡張することが容易と期待される。 2022年度研究実施計画では、前年度に引き続いて腹部3次元医用画像(CT・MRI)データを収集することとなっていた。この計画に沿い、画像データを集積して、放射線診断医が腹部臓器の抽出を行い、臓器領域(肝臓・脾臓)の「正解」データを作成した。2023年度も引き続いてデータ整備の実施を計画している。画像データ集積と並行して、Monte Carlo dropoutを組み込んだAIシステム "Bayesian U-Net" を作成した。これにより、腹部3次元医用画像からの臓器自動抽出とその「確からしさ」(あるいは不確実性 "uncertainty")を出力できるようにした。この"uncertainty"の臨床的有用性について、放射線診断医による評価を行うべく準備を行った。 2022年度の研究により、画像データ集積と「確からしさ」評価のための基礎技術が確立され、本研究を継続する上で重要な成果を得た。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
正解データ付きの画像データ収集が当初計画を下回っている。その他の事項については概ね順調である。
|
Strategy for Future Research Activity |
研究の方向については大きな問題が無いと考えている。放射線診断医が"uncertainty"の臨床的有用性を評価する方法については再検討が必要と考えており、現在取り組んでいる。また、正解データ付きの画像データ収集が遅れているため、2023年度もデータ収集に努める。
|
Report
(2 results)
Research Products
(1 results)