| Project/Area Number |
23K08573
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56010:Neurosurgery-related
|
|---|
| Research Institution | Sapporo Medical University |
|---|
Principal Investigator |
三上 毅 札幌医科大学, 医学部, 准教授 (30372816)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
秋山 幸功 札幌医科大学, 医学部, 講師 (50404653)
三國 信啓 札幌医科大学, 医学部, 教授 (60314217)
小松 克也 札幌医科大学, 医学部, 助教 (60749498)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2025: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2024: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | training / deep learning / bypass / EEG power spectrum / microsurgery |
|---|
| Outline of Research at the Start |
手術技術の評価と改善は、流儀の違いもあり、正確性や安全性を含めて科学的客観的に行える方法がなかった。本研究では、手術技術を機械学習させることにより評価を可視化するようなツールを開発し、トレーニーのトレーニング効果をフィードバックし、適切な評価と改善が可能になるような環境を創り出すことにある。また、経験や能力値を持った医師の手技中の脳波スペクトラムを解析し、経験値や技術力の高い医師に近づける適切な環境や方法を見出すと共に、経験値の浅い医師の誤操作の多い状況を明らかにすることで、手術操作に影響を与える環境や状況因子を明らかするとともに、脳波からのニューロフィードバックの可能性を探る。
|
| Outline of Annual Research Achievements |
顕微鏡の使用機器はzeissNC4を用い、人工血管による端側吻合を手技の課題として、これまで様々な経験年数の15人の人工血管吻合手技を同一機器、同一録画方式で保存し、それらの動画情報や術者情報を収集した。深層学習を行うためには、データ数を増やすことが最も適していると考えており、脳卒中の外科指導医であるエキスパートによる評価情報も収集し、技術評価できるような深層学習を実施するため、手技評価情報や術者情報との関連付けを行った。手技評価項目は、①ズーム、フォーカス、センタリングの適正②吻合操作の適切なセットアップ③無理のない操作④ドナーの準備⑤レシピエントの準備⑥吻合操作が愛護的に行われているか⑥吻合操作において、カウンターフォースが適切に行われているか⑦吻合血管への針刺しの角度や位置⑧糸結びが円滑に行われているか⑨血管の引きつれや吻合間隔のバランス⑩操作時間
同時に、日本光電社の脳波測定システムを用い、手技中の脳波を持続的に測定した。使用するシステムは、低周波帯域のみならず、高次脳機能を反映するβ波やγ波などの高周波帯域のパワースペクトラム解析を行った。電極の留置は、キャップ型の脳波電極を使用した。解析は、MATLAB (Mathworks, Natick, Massachusetts, USA) と日本光電社製のオンコンソールのソフトを用いた。解析方法は、これまでにわれわれが当施設でこれまで行ってきた研究と同様の手法であり、行ってきた吻合手技評価ツールで得られた評価において、高評価群と低評価群の脳波パワースペクトラムの特徴を比較し、比較検討した。また、当直や疲労などの心因性のマイナス要因を減らすことにより、脳波の変化や評価上昇が得られるかを検討した。現状では、経験値が低いほどβ波を中心とした帯域のスペクトラムパワー値が低く、集中ができていない傾向がみられた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
深層学習に関して、1人あたりの吻合プロセスにおける動画学習データが重たく、動画学習のデータ蓄積に難航している。吻合プロセスのどの部分を抽出していくのが客観性をもって比較できるかを検討するため、指導医による評価や脳波によるスペクトラムパワー評価を先行させた。比較するにあたって適切な部分を決定して、動画学習データを機械学習することにしている。
|
| Strategy for Future Research Activity |
今後は、動画の深層学習を進める。深層学習は、多層化されたニューラルネットワークDNN(Deep Neural Network) を基本としている。代表的な学習方法として、画像認識分野で広く使用される畳み込みニューラルネットワーク(Convolutional Neural Network, CNN) や、過去の情報入力から時系列データの要素や関係性を学習し正しい回答を導き出す回帰型ニューラルネットワーク(Recurrent Neural Network) を駆使して深層学習を行う。
また、電気生理学的評価として行ってきた吻合手技評価ツールで得られた評価において、高評価群と低評価群の脳波パワースペクトラムの特徴を比較し、比較検討する。また、マイナス要因を減らすことにより、脳波の変化や評価上昇が得られるかを検討する。さらに、脳波計測結果をリアルタイムに提示することで、ニューロフィードバック効果が手術技術に変化をもたらすことができるかを検討する。
|
