| 研究課題/領域番号 |
18K12096
|
|---|
| 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 |
野村 行弘 東京大学, 医学部附属病院, 特任講師 (60436491)
|
|---|
| 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 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
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 / 診断支援システム / ディープラーニング / セグメンテーション / 異常検知 / 機械学習 / ラベル |
|---|
| 研究成果の概要 |
本研究では、弱ラベル付症例を利用した病変自動検出システムの高性能化の方法論を構築した。具体的には、病変位置情報・サイズ情報を用いた病変形状ラベル推定方法を2種類構築するとともに、構築した病変形状推定手法のwebベースの画像データベース(CIRCUS DB)への実装に向けた準備を進めた。また、病変の存在のみが既知な症例で学習した異常検知による病変自動検出システムを構築した。
|
| 研究成果の学術的意義や社会的意義 |
本研究の成果として得られた、病変ラベル推定方法および病変の存在のみが既知な症例を用いた異常検知手法を用いることで、症例データ収集における医師の負担が軽減され、かつ臨床現場に多数ある弱ラベル付症例が利用可能となる。このため、病変自動検出システムの研究のさらなる推進が図れると考える。病変自動検出システムの研究が進めば多くの高性能なシステムが臨床現場で使用されるようになり、臨床画像診断の質的向上に寄与すると考える。
|
