2023 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 |
学童期のスポーツ障害の1つに上腕骨離断性骨軟骨炎（OCD）がある。OCDの早期発見を目的として超音波画像診断装置（エコー）を用いた検診が全国各地で行われている。近年、エコー画像等の医用画像を解析するにあたり、YOLOを始めとする物体検出AIが注目を集めている。本研究ではOCDを早期発見できることを目的とし、YOLOv8モデルを利用してOCDの病変検出を行うモデルを作成した。
兵庫県野球肘検診を受けOCDが疑われた症例および、当院にて加療を行った症例の合計50症例の肘関節のエコー動画像を撮影し、そのデータから約2000枚の静止画像を作成した。コントロールの正常データには反対側肘関節の画像を使用した。正常の肘関節面(standard view)およびOCD病変に6クラスのアノテーションを行った。その後YOLOv8に含まれる既存重みを使用して転移学習を行った。各クラスの平均適合率の平均値であるmAP(mean Average Precision)を評価関数として検出精度の評価を行った。
本研究で作成したモデルの検出精度は、ｍAP(50)が0.994、mAP(50-95)が0.867であった。軽量なYOLOv8nモデルを使用することにより、通常のPCであってもpython環境を構築すればリアルタイムに病変の検出が可能であった。
エコー画像の病変検出ではstandard viewの描出が困難とされることが多いが、本研究では、エコー画像の病変検出に物体検出モデルを使用することにより、初学者でも正常な肘関節を含む画像の描出が容易になり、大規模検診においてOCDの早期発見に貢献できる可能性が示唆された。AIモデルの使用にはpython言語環境のセットアップ等が課題であるが、今後は特殊な環境構築を行うことなく、汎用PCのブラウザ環境で動作するAIアプリケーションを作成し普及に努めていきたい。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
モデルの学習やアプリケーションの開発、実装は順調に進んでいると考えれる。
|
| Strategy for Future Research Activity |
今後は作成したアプリケーションを検診現場で使用し、問題点を抽出してゆく予定である。
|
| Causes of Carryover |
モデルの作成や運用が前倒しとなったために、費用の使用予定に差額が生じた。
|
