| 研究課題/領域番号 |
18K12095
|
|---|
| 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90130:医用システム関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
花岡 昇平 東京大学, 医学部附属病院, 講師 (80631382)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
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: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 医用画像処理 / 深層学習 / X線CT / 骨転移 / 時間差分 / 異常検知 / 骨疾患 / ディープラーニング |
|---|
| 研究成果の概要 |
本研究では、前回CTから今回CTのボクセル値を各ボクセルで推定し、さらにその推定誤差も出力するプログラムを、深層学習を用いて作成した。これら推定値および推定誤差を用いて、各ボクセルで今回CTにおけるzscoreを算出し、これを異常度としてCT画像に重畳表示することにより、異常検出・強調表示を行った。このシステムを、臨床環境を模した読影実験にて実証した。11名の放射線科医(専門医6名、後期研修医5名)で80の症例を用いた読影実験が行われ、提案する時間差分CTを用いた場合の receiver operating characteristic (ROC) curveの改善が確認された。
|
| 研究成果の学術的意義や社会的意義 |
CT画像においてしばしば主治医や放射線科読影医によって見逃される早期のがん骨転移について、その検出を助ける骨病変抽出・強調表示手法が開発できた。これにより、がん骨転移をより早期に発見し治療できることが期待され、がん患者の予後、quality of lifeの向上に資すことができることと期待される。
|
