2022 Fiscal Year Research-status Report
Project/Area Number |
22K09399
|
Research Institution | Kobe University |
Principal Investigator |
乾 淳幸 神戸大学, 医学部附属病院, 特命助教 (70457092)
|
Co-Investigator(Kenkyū-buntansha) |
西本 華子 神戸大学, 医学部附属病院, 特命助教 (30707154)
美舩 泰 神戸大学, 医学部附属病院, 助教 (80608464)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Keywords | 人工知能 / 野球肘検診 / エコー画像 |
Outline of Annual Research Achievements |
少年期の投球障害の1つである野球肘の中でも、上腕骨外側に発生する軟骨障害である離断性骨軟骨炎(OCD)の早期発見を目指したシステムの開発に取り組んだ。OCDの検出は超音波画像診断装置(エコー)にて可能であることより、人工知能(AI)の技術を応用してエコー画像におけるOCD病変の発見を目指した。 画像に対するAI技術である、「画像分類」および「物体検出」のタスクを野球肘検診におけるエコー画像のOCDの検出に応用し、画像分類タスク用にはすべての撮像肢位データを1つにまとめて「OCDあり」「OCDなし」に2値分類を行った。物体検出タスクとしては正常関節面を含むstandard viewおよびOCD病変をアノテーションしYOLOv8にて学習を行った。分類タスクでは作成したモデルは軟骨下骨の途絶といった特徴をとらえており、分類タスク・物体検出タスクともに高い精度でOCD病変が検知可能であった。また、動作が高速であるYOLOv8nモデルを使用することにより、通常のPCであってもリアルタイムに病変の検出が可能であり、野球肘検診への応用が可能であると考えられた。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
画像処理を行うAIモデルはすでに開発が進み、2023年1月の発表された最新の画像処理モデルであるYOLOv8nモデルを使用したAIモデルの訓練を行った、本研究で作成したモデルが検出した部位と医師が行ったアノテーション部位を比較した検出精度は、mAP(50)が0.991、mAP(50-95)が0.784であり、高い精度で正確に検出することができた。通常のPCであってもリアルタイムに正常肘関節面および病変の検出が可能であり、検診現場での応用も始まっている。
|
Strategy for Future Research Activity |
現時点ではすべてのエコー装置にAI搭載コンピュータを接続することはリソースの問題より困難である。今後はAIモデルを軽量化、一般化しpythonによる特殊な環境構築を必要としない一般的なコンピュータで動作可能にすることを現時点の目標としている。 また、エコー装置の違いや検査手順の違い等で今回作成したモデルが全国各地で行われている野球肘検診でも動作するとは限らない。そのため、各施設が所有している独自データを用いてYOLOモデルを訓練・実装する方法を検討してゆく。
|
Causes of Carryover |
研究成果の発表や、システム開発のための次年度予算が限られているために、翌年度分として請求予定である。
|