3次元医用画像タスクに汎用利用可能な事前学習モデルの確立と公開

• Project/Area Number: 23K17234
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 90130:Medical systems-related
• Research Institution: Jichi Medical University
• Principal Investigator: 菊地 智博 自治医科大学, 医学部, 講師 (50790698)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2023: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
• Keywords: 深層学習 / 対照学習 / 医用画像 / 医用画像処理 / 自己教師あり学習 / 転移学習

Outline of Research at the Start

本研究は人工知能/深層学習を医用画像に適応する研究の一つです．深層学習の中でも自己教師あり学習という技術を使い，これにより様々な画像検査（CTやMRIなど）の様々な医用画像課題（病変抽出，検出，分類など）に対応できる，事前学習モデルの確立を目指しています．高性能GPUを用いて研究を遂行します．本研究の成果としての事前学習モデルは一般公開することを予定しています．

Outline of Annual Research Achievements

2023年度は、本研究のコア技術となるPositional Contrastive Learningを3次元医用画像へと応用するための基礎技術の開発と初期検証を行なった。研究計画書に記載の3D-パッチベースの手法を確立し、3D-Positional Contrastive Learningの基礎概念を開発した。またその技術を小規模の頭頸部CTデータセットでのsegmentationタスクに応用し、提案手法の有用性についての検証を行なった。
2023年度の研究成果は2024年に開催される国際学会Computer Assisted Radiology and Surgery (CARS) 2024に演題名「Enhancing medical image segmentation using three-dimensional positional contrastive learning (3D-PCL)
」として採択された。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

コア技術の実装が完了したこと、初年度タスクとして設定していたsegmentationでの検証が終了していることから、順調に進展していると判断した。

Strategy for Future Research Activity

すでに検証のための小規模データセットとsegmentationタスクでの検証を終えており、データセットを変えての検証やClassificationやDetectionへの応用を進め、有用性の証明を進める。