Development of a minimally invasive spine surgery assisting system with an AI integrated information presentation system
| Project/Area Number |
21K09292
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56020:Orthopedics-related
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
折田 純久 千葉大学, フロンティア医工学センター, 教授 (60638310)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中口 俊哉 千葉大学, フロンティア医工学センター, 教授 (20361412)
大鳥 精司 千葉大学, 大学院医学研究院, 教授 (40361430)
江口 和 千葉大学, 大学院医学研究院, 特任准教授 (40507323)
成田 都 (鈴木都) 千葉大学, 大学院医学研究院, 助教 (70734242)
稲毛 一秀 千葉大学, 大学院医学研究院, 助教 (80793629)
志賀 康浩 千葉大学, 大学院医学研究院, 特任准教授 (90568669)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 腰仙椎前方固定 / OLIF51 / セグメンテーション / 手術支援 / 腰仙椎前方固定術 / 低侵襲手術 / 深層学習 / 人工知能 / 低侵襲腰仙椎前方固定術 / 超音波 / 硬膜管 / 波形解析 / 脊椎手術 / 低侵襲 / 手術ナビゲーション |
|---|
| Outline of Research at the Start |
前方脊椎固定術における術野の内視鏡画像に人工知能（AI）による深層学習を応用し，術野の情報を術者に提供する安全な腰椎前方手術のナビゲーションシステムの構築を目的として研究開発を行う．
|
| Outline of Annual Research Achievements |
腰仙椎前外側椎体間固定術（Oblique Lateral Interbody Fusion for L5/S1: OLIF51）は、腰椎すべり症などの腰仙椎部変性疾患に対する低侵襲手術手技である。しかし、OLIF51は総腸骨静脈の損傷リスクがあり、致死的な出血を引き起こす可能性がある。本研究の目的は、OLIF51における総腸骨静脈の損傷リスクを低減するために、術中支援内視鏡による術野動画に対して深層学習を用いてリアルタイムで総腸骨静脈をセグメンテーションするモデルを開発し、その精度とリアルタイム性を評価することである。
本研究では、千葉大学医学部附属病院整形外科教室から提供されたOLIF51術中補助内視鏡動画を用いた。データセットは4症例から抽出した画像を用いて構築し、セマンティックセグメンテーション用のU-Net、U-Net++アーキテクチャとResNet18、ResNet34のバックボーンを組み合わせた4種類のモデルを開発した。前処理としてRedチャンネルにガンマ補正を施し、評価指標にはDice係数を使用、リアルタイム性の検証としてフレーム毎の処理速度をフレーム/秒（fps）で評価した。
主な研究成果として、U-Net++とResNet18を使用したモデルはDice係数0.65を記録し、リアルタイム性の評価では最速処理速度2.72fpsを記録した。また、ガンマ補正を適用することでセグメンテーション精度が平均Dice0.51から0.65に向上し、静脈の識別が容易になったことが確認された。
今後の展望としては、モデルのパラメータ最適化やデータセットの再構築によりさらなる精度向上が期待される。特に連続フレームの映像が大きく変わらないことを利用し、推論するフレームを限定することでシステムの負荷を軽減しつつ、術者支援を維持する手法の探索が重要である。
|
Report
(3 results)
Research Products
(7 results)
-
[Journal Article] Magnetic resonance image segmentation of the compressed spinal cord in patients with degenerative cervical myelopathy using convolutional neural networks2023
Author(s)
Nozawa K, Maki S, Furuya T, Okimatsu S, Inoue T, Yunde A, Miura M, Shiratani Y, Shiga Y, Inage K, Eguchi Y, Ohtori S, Orita S.
-
Journal Title
Int J Comput Assist Radiol Surg
Volume: 18(1)
Issue: 1
Pages: 45-54
DOI
Related Report
Peer Reviewed / Open Access
-
-
-
-
-
-
