| Project/Area Number |
22K17195
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 57060:Surgical dentistry-related
|
|---|
| Research Institution | Asahi University |
|---|
Principal Investigator |
西山 航 朝日大学, 歯学部, 講師 (80631613)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2022: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 人工知能 / Deep Learning / パノラマX線画像 / Deep learning / 機械学習 / 自動診断支援 / 顎骨内病変 / ディープラーニング |
|---|
| Outline of Research at the Start |
顎骨内に発生する病変は歯科で一般的に撮影されるパノラマX線画像で描出される。しかし、その画像を読影する歯科医師の中でX線画像診断の専門医の資格を有するのは200名しかおらず、全てのパノラマX線画像が正しく診断されているかの検証はされていない。
本研究はディープラーニングを用いて顎骨病変を自動検出するアルゴリズムの作成し、専門医と同等病変検出精度を目指す。朝日大学医科歯科医療センター及び朝日大学病院の臨床画像を学習データとし病変カテゴライズごとの画像を各200症例収集し学習を行う。作成したアルゴリズムは一般歯科施設で利用可能なアプリケーションとして完成させ、関連施設にて運用の検証を行う。
|
| Outline of Annual Research Achievements |
パノラマX線画像から複数の顎骨内病変を自動検出するアルゴリズムの作成を目的として、人工知能であるDeep learningを用いた機械学習を行なった。Deep learningによる機械学習には大量の教師データとなる病変画像が必要となるため、朝日大学医科歯科医療センターに保存されている症例画像から、顎骨内腫瘍、嚢胞を含む画像の収集を行った。収集された画像をそのままの状態で教師データとして学習を行なったが検出率は低く、画像の調整（augmentation）を行い病変画像を増加させたが元データが少ないものに関しては過学習の傾向が強くなるため検出精度の向上は見られなかった。現在元データの増加を目的として他施設の症例データの追加を検討中であるが、まだ準備中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
現在他業務により多忙のため教師データの追加収集が滞っている。また他施設のデータを採用する場合、撮影方法の差異による画像の違いから検出アルゴリズムの性能が下がってしまうことも考えられ、画像のトリミングなど教師データの均一化のための事前処理についても検討・検証を行う必要がある。アルゴリズムの性能は教師データの数や画像調整の状態に大きく左右されるが、その学習する内容に関してはブラックボックスになっており、どのような教師データであれば性能が上がるかは予測と試行により確認する必要がある。現在も複数回の試行を行うがアルゴリズムの性能向上が困難なため、教師データ収集の際のデータ選びについても再度検討する必要がある。
|
| Strategy for Future Research Activity |
現時点で収集済みのデータのデータオーギュメンテーションによるアルゴリズム性能の変化から、性能の変化に寄与する画像要素を検討し、追加で収集するデータの種類や必要数を決定する。また他施設のデータと現在収集済みのデータを比較して、画像の均一化に必要なトリミング範囲や画像調整方法について検証を行う。他施設のデータでも性能向上が見込まれない場合には画像生成AIなどによる病変画像の生成に関しても検討を行う。ただし画像生成AIなどにより形成された教師データによる学習は過学習を助長するなどの危険性もあるため注意が必要である。これらの研究結果の報告を学会及び論文として報告を行う予定である。
|
