| 研究課題/領域番号 |
18K07693
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 聖路加国際大学 |
|---|
研究代表者 |
松迫 正樹 聖路加国際大学, 聖路加国際病院, 医長 (90209528)
|
|---|
| 研究分担者 |
原 武史 岐阜大学, 工学部, 教授 (10283285)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2018年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 肺癌 / 深層学習 / 胸部X線CT / AutoEncoder / 人工知能 / 特徴抽出 / 胸部CT画像 / 結節状陰影 / 胸部 / オートエンコーダー / 定量解析 / 体積倍加時間 / 定量画像解析 |
|---|
| 研究成果の概要 |
本研究の目的は，肺がんが疑われる結節に関して，その成長の予測と良悪性判定を，胸部CT画像から得られる結節状陰影の画像特徴から実現することである．結節の成長速度の指標は，腫瘍倍加時間（Volume Doubling Time : VDT）がよく用いられる．したがって，VDTと関連がある画像特徴量を深層学習を用いて抽出することを目的とした．また，画像特徴から結節の良悪性を判定するために，畳み込みニューラルネットワークを利用たAutoEncoderを用いて解析を行い，その良悪性鑑別に関する可能性を明らかにする．
|
| 研究成果の学術的意義や社会的意義 |
肺がんの早期発見は，結節状陰影の検出とその悪性度の予測が重要である．これは医師の高度な経験に基づいて行われる操作であるが，その定量解析を医師の見地から実現し，深層学習を用いて不偏的な画像特徴量を抽出する方法を明らかにした内容である．データベースの拡充が世界的な課題である中，本研究者のみが構築できた世界で唯一といえるデータベースを新たに構築し，定量画像解析が結節状陰影の鑑別に有益であると結論づけた有意義な内容である．
|
