| Project/Area Number |
24K15174
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
高屋 英知 東北大学, 医学系研究科, 助手 (40968327)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 医用画像解析 / 画像セグメンテーション / 文脈内学習 / マルチタスク表現学習 / 医用画像処理 / 深層学習 / 半教師あり学習 |
|---|
| Outline of Research at the Start |
医用画像にうつる臓器や病変に対するアノテーションは、臨床や医療AI研究開発において必須の作業であるが、放射線科医をはじめとした医療者に膨大な負担を強いることになる。
本研究では、これらの課題を解決するべく、汎用医用画像データ作成エコシステムを開発する。
このシステムは、能動的半教師あり学習と継続的マルチドメイン連合学習で構成され、個別具体的な画像データ作成の労力を10から100分の1程度に削減しうる。さらに、過去のデータについての知識を蓄積し、あとから参加する施設ほどその蓄積の恩恵を受け、作業量を軽減することができる。これにより、医療者の負担軽減ひいては医療AIの研究開発促進が期待される。
|
| Outline of Annual Research Achievements |
今年度は、これまでに開発してきた半教師ありセグメンテーション手法に、最新のセグメンテーション基盤モデルを組み合わせることで、新たな「文脈内自己学習手法」を開発した。本手法は、少数のアノテーション付きスライスを初期条件として設定し、それらを足がかりにしながら予測結果を逐次文脈として取り込むことで、連続する多スライス画像全体をより高精度かつ一貫性を保ちながら自動セグメンテーションする仕組みである。これにより、従来よりも大幅に少ない注釈作業で済むうえ、医用画像の連続性を考慮した安定的な推定が可能となった。その成果は人工知能学会合同研究会での発表を経て論文化し、arXivへの投稿を行った。また、査読付き論文誌にも投稿中である。
さらに、システム全体の精度と汎用性を強化すべく、「医用画像解析のためのマルチタスク表現学習手法」を考案し、医用画像特有の領域知識と多様な撮影モダリティの特徴を同時に捉える研究を進めた。具体的には、複数の医療タスクを統合的に学習することで、解剖学的構造の深い理解と部位・疾患ごとの差異を的確に捉える表現を獲得することを目指している。この成果を人工知能学会全国大会にてポスター発表したところ、全国大会優秀賞を受賞し、高精度な画像認識基盤の開発が高く評価された。本研究により、医用画像のアノテーションや解析にかかる負担が著しく軽減されるとともに、医療AIに基づく診断支援や放射線治療計画への応用が一層加速すると考える。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の研究計画にて予定していたタイムラインでは、2024年度の研究項目を「能動的半教師あり学習アルゴリズムの構築及び評価」としていた。実際に、アルゴリズムを考案し論文化するところまで到達したため、順調に進展しているといえる。
|
| Strategy for Future Research Activity |
おおむね順調に進展しているため、当初の計画通り、2025年度は「継続的マルチドメイン連合学習法の実装及び評価」を行い、2026年度は「医用画像データ作成エコシステムのプロトタイプ構築」を行う予定である。
|
