| Project/Area Number |
24K15861
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90150:Medical assistive technology-related
|
|---|
| Research Institution | Sanjo City University |
|---|
Principal Investigator |
加藤 綾子 三条市立大学, 工学部, 教授 (30318159)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
金澤 悠喜 慶應義塾大学, 看護医療学部(藤沢), 講師 (80812833)
礒山 あけみ 獨協医科大学, 看護学部, 教授 (00586183)
吉田 美香子 東北大学, 医学系研究科, 教授 (40382957)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2026: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2024: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | 超音波 / 診断支援 / 機械学習 / 乳腺炎 / 画像処理 |
|---|
| Outline of Research at the Start |
本研究グループでは、授乳期女性の乳腺炎の悪化や授乳期乳がんの発見の遅れに対する、より質の高い乳房アセスメントを実現するために、助産師による乳腺炎の早期発見と医師との連携強化を実現するための「授乳期ブレストケア支援システム」の確立を目指している。そのため本研究では超音波画像とAI等を用いて①「乳腺炎」と「乳腺炎と鑑別すべき疾患」を判別可能な特徴を明らかにする、②ケア方針に関わる「乳腺炎の程度」を判別可能な特徴を明らかにすることを目的とする。将来的には「授乳期ブレストケア支援システム」を完成させると共に助産師の教育プログラムも開発し、安心して母乳育児を続けられるような環境を実現することを目指す。
|
| Outline of Annual Research Achievements |
炎症性乳腺炎は、授乳期の女性に比較的一般的に発症する乳房の炎症性疾患であり、発見と治療が遅れるほど、授乳婦に深刻なダメージを与えるため、早期発見が求められている。本研究では、授乳期の乳房アセスメントの能力向上のために、人工知能(AI)を導入した乳房超音波(US)検査を提案する。この実現に向けて、（A）AIを組み込んだUS画像解析アルゴリズムの開発、（B) 本システムで支援すべき範囲の調査を行うことを計画している。2024年度は（A）のUS画像解析の基盤技術として、US画像の3次元再構築について検討した。
炎症性乳腺炎の有無や程度に関して評価するAIを開発するにあたり、乳房を3次元的に捉えて解析することが有効であると考えた。ハンドヘルドUS診断装置は、操作者がプローブを手で動かして撮影するため、CTのように一定間隔で積層することによる3次元再構成ができない。そこで、撮影中のUS画像から撮影位置を推定するAIの開発を試みた。
プローブを1軸で移動させた場合の位置情報の推定を行った。データの取得は、プローブをリニアモータに取り付けて制御し、速度を変化させながらファントムをスキャンして行った。本研究で提案するAI(New-Net)は、Deep contextual-contrastive Network（DC2-Net）のネットワーク構造を基本として、入力にoptical flowを追加し、終段の総結合層を3層とした。入力は7枚のUS画像と4フレームごとに計算した8枚のoptical flowを連結した3Dデータである。先行研究のCNN with optical flow（CNN-of）、DC2-NetとNew-Netについて推定精度を比較したところ、New-Netで最も高い精度が得られた。
今後は、6自由度での位置推定精度の評価を行い、US画像の3D再構築についての実験と評価を行う。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
病気での入院や治療期間があり、研究が思うようにできない期間があった。
（A）AIを組み込んだUS画像解析アルゴリズムの開発
研究計画時に位置推定の評価を行うためのシステムが必要になることを考慮していなかったため、その構築に時間がかかった。また、6自由度の精度確認を行う実験システムの構築が予算的に困難であった。
（B) 本システムで支援すべき範囲の調査
本システムで支援すべき範囲の調査に関しては、まだ取り組めていない。
|
| Strategy for Future Research Activity |
（A）AIを組み込んだUS画像解析アルゴリズムの開発
2024年度は、想定していなかった位置推定の評価を行うためのシステム構築に時間がかかり、また6自由度の精度確認を行う実験システムの構築が困難であったが、6自由度のロボットを使用することができるようになったため、2025年度はできるだけ早く6自由度の移動に関しての精度確認を行う。その後、3D再構築、乳腺炎の特徴解析の順で進めていく。
（B）本システムで支援すべき範囲の調査
研究分担者と相談しながら、医師、助産師などへのアンケート調査を実施する。
|
