2022 Fiscal Year Research-status Report
人工知能による深層学習を利用した特発性側弯症の進行予測
| Project/Area Number |
22K09353
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
藤森 孝人 大阪大学, 大学院医学系研究科, 助教 (80546888)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
鈴木 裕紀 大阪大学, 大学院医学系研究科, 特任助教(常勤) (20845599)
武中 章太 大阪大学, 大学院医学系研究科, 講師 (40795861)
海渡 貴司 大阪大学, 大学院医学系研究科, 准教授 (70623982)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Keywords | 特発性側彎症 |
|---|
| Outline of Annual Research Achievements |
本研究では、特発性側弯症の進行メカニズムの予測と病態解明に取り組んでいる。AI技術の一つであるDeep learningを利用し、画像解析を行うことで、新たな知見を得ることを目指した。AIを用いて、経過観察例、装具治療例、手術治療例などの初期および経過後の画像データを学習させた。
具体的な研究内容として、画像パラメータ評価の自動化に注力した。特発性側彎症の症例の収集を行った。当院、及び多施設から症例を収集した。
これらに対して アノテーション作業を行い、計測に必要なランドマークを抽出した。このランドマークをもとに、いくつかのパラメータ（主胸部曲線（MT）、冠状バランス、T1傾斜、胸椎前弯（TK）、腰椎前弯（LL）、仙骨傾斜（SS）、骨盤入射（PI））が算出された。AIモデルについては、データセットをトレーニングデータとテストデータに分割した。グランドトゥルースとAI測定値の間の誤差を算出した。
5分割交差検証を行い、誤差は４～５度との結果を得た。正面像での誤差は許容範囲であるが、側面像での誤差はやや大きかった。
今後は、誤差を減らすために、アルゴリズムの改良を行う。さらに追加のデータセットの入手にも注力する予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
順調に症例の収集が進んでいる。
|
| Strategy for Future Research Activity |
引き続き、症例の収集、アノテーション作業、アルゴリズムの改良に努める。
|
| Causes of Carryover |
データ収集、解析費用として、翌年に繰り越した。
|
