2018 Fiscal Year Annual Research Report
Support System for Minially Invasive Surgery Using Real-time Finite Element Method and Organ Information During Surgery
| Project/Area Number |
16K00243
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
諸岡 健一 九州大学, システム情報科学研究院, 准教授 (80323806)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大内田 研宙 九州大学, 大学病院, 講師 (20452708)
倉爪 亮 九州大学, システム情報科学研究院, 教授 (70272672)
辻 徳生 金沢大学, フロンティア工学系, 准教授 (30403588) [Withdrawn]
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 低侵襲手術 / 実時間有限要素解析 / 臓器変形 |
|---|
| Outline of Annual Research Achievements |
当該研究は，腹腔鏡下手術を対象とし，申請者が有する実時間有限要素解析システム
(neuroFEM)と，マルチモーダル内視鏡画像から得られる術中組織情報を融合することで，患者組織固有の形状・運動的機能・見えを精緻に再現可能な人体組織モデリング法の開発を目的とする．
平成30年度では，手術中の内視鏡画像から，術具をDeep Neural Network (DNN) によって
自動的に検出するシステムを開発している．このシステムは，画像内にある全ての対象物の識別・位置検出・セグメンテーションを行うMask R-CNNに基づく．
Mask R-CNNは，一般物体データベースであるCOCOで事前学習を行っているネットワークを用いる．また，九州大学病院において行われた，5人の患者に対する内視鏡手術の動画から計1,361枚を選び，術具，ハサミ，持針器，その他の4クラスに分類した．各画像から術具領域を手動で抽出し，それを基にマスク画像を作成した．内視鏡手術と，それから得られるマスク画像の組をトレーニングデータとし，Mask-RCNNを学習させた．
学習に用いていないデータをテストデータとして用いた実験で，持針器を除く術具，ハサミ，その他の3クラスは平均識別率が85.2--88.2%であった．一方，持針器は50%程度であった．これは，持針器を含むトレーニングデータが，他の3クラスに比べ極端に少なかったことが原因である．そのため．持針器を含むトレーニングデータ数を増やし，識別精度を上げることが今後の課題である．
|
