| Project/Area Number |
23K21683
|
|---|
| Project/Area Number (Other) |
21H03470 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61010:Perceptual information processing-related
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
劉 家慶 立命館大学, 情報理工学部, 助教 (20948343)
岩本 祐太郎 大阪電気通信大学, 情報通信工学部, 准教授 (30779054)
韓 先花 立教大学, 人工知能科学研究科, 教授 (60469195)
金崎 周造 滋賀医科大学, 医学部, 非常勤講師 (90464180)
李 印豪 立命館大学, 情報理工学部, 助教 (90962465)
古川 顕 東京都立大学, 人間健康科学研究科, 教授 (80199421)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2024: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Fiscal Year 2023: ¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000)
Fiscal Year 2022: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2021: ¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000)
|
|---|
| Keywords | 医用画像処理 / 深層学習 / 弱教師学習 / 肝臓腫瘍性病変 / アテンション / マルチモーダルMRI / マルチフェーズCT / GAN / 早期再発予測 / 肝臓がん / 生成AI / マルチフェーズ画像 / フェーズアテンション / マルチフェーズCT画像 / domain adaptation / 肝臓セグメンテーション / 腫瘍検出 / 解剖アトラス / フェーズアテンションネット / 臨床データ / アテンション機構 / 弱教師あり学習 / 教師なし学習 / 肝臓腫瘍セグメンテーション |
|---|
| Outline of Research at the Start |
Self-Attention機能をもつTransfoormerなどの最新深層学習手法を用いて、医用画像（マルチフェーズCT画像、マルチモーダルMRI画像、病理画像など）における肝臓がんの高精度な診断支援手法を開発・確立する。以下の三つの研究テーマを中心に進めていく。
(1) 肝臓腫瘍に関する医用画像データベースを構築する。
(2) Attention機構を利用した異なるフェーズまたはモーダル医用画像データをadaptiveに統合し、精度の向上を目指す。
(3) 部分的なアノテーションまたは画像レベルアノテーションだけで解析ができる弱教師付き学習法を開発し、診断支援の高効率化を目指す。
|
| Outline of Annual Research Achievements |
2023年度は、深層学習を用いた肝臓がんの診断支援に関する研究に焦点を絞り、以下の成果が得られました。
(1) ModalityFormerというTransformerを用いたマルチモーダルMRI/CT画像を用いた肝臓がんの再発予測手法を開発し、inter-modality間の相関性を抽出し、各modalityの重要性を自動的に解析し、重要なmodalityに大きな重みをつけることによって、State-of-the-Aat 精度を達成した。本成果は、IIEEJ Transactions on Image Electronics and Visual Computing誌に掲載された。
(2) 肝臓がんの診断にマルチフェーズCT画像をよく用いられるが、造影剤を患者に注射する必要があり、患者への負担が大きい。本研究では、非造影CTを用いて、生成AIモデルを用いて擬似造影CTを生成する技術(Organ-Aware GAN)を開発し、非造影CTを撮影するだけで、本当の造影CTを用いた場合とほぼ同じ診断精度を達した。患者への負担を軽減することができる。本成果の論文は国際学術誌Biomedical Physics & Engineering Expressに掲載された。
(3) 2023年6月に大会長として国際学会International Conference on Innovation in Medicine and Healthcareをイタリアのローマで主催した。その論文集を本としてSpringer社より出版した。また、2023年11月に国際学会Digital Medicine and Image Processingにて「Recent Advances in Deep Learning for Medical Image Analysis」というKeynote Talkを行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
医用画像を用いて肝臓腫瘍のタイプ（悪性または良性など）を判別するだけではなく、術後早期再発するかどうかの予測法も開発した。
|
| Strategy for Future Research Activity |
マルチフェーズCT, マルチモーダルMRI画像だけではなく、微細構造を観察できる病理画像を用いた肝臓がん診断支援とそれらを融合した診断支援法を開発していく。また、Foundationモデルを用いた肝臓がんの診断支援法も開発していく。
|
