| 研究課題/領域番号 |
18K15635
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 岡山大学 |
|---|
研究代表者 |
田中 高志 岡山大学, 大学病院, 助教 (10745368)
|
|---|
| 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 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
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 | Deep learning / 腎腫瘍 / CT / 画像診断 / 人工知能 / 深層学習 / 放射線医学 |
|---|
| 研究成果の概要 |
本研究では、Deep learningを用いて、腎腫瘍のCT 画像に対する診断支援システムの開発および研究を行った。CNN（畳み込みニューラルネットワック）を用いたDeep learningソフトウェアを用い、4cm以下の小さい腎腫瘤の造影CTでの良性および悪性の鑑別において、一定の有用性が認められた。一方、ヒトによる定性評価と同様に、すべての腎腫瘍の良性および悪性の判別を行うことは困難であった。すべての腎腫瘍の判別を1つのモデルのみで達成することには困難が予想され、画像や患者背景の調整、さらなるネットワークの改良により、様々な特定のタスクに特化したモデルを構築できる可能性があると考えられる。
|
| 研究成果の学術的意義や社会的意義 |
本研究によりDeep learningによる腎腫瘍の診断法の一定の有用性が示され、Deep leaning技術を用いることで、画像評価者の経験や違いなどに影響のない、より均一な精度の検査を多くの患者に提供できる可能性が示された。また、同様の手法を応用すれば、腎臓以外の多くの腫瘤の診断への適応が拡がる可能性も示唆される。さらにこの解析法の普及および産学官連携により、国内でのより精度を高めたDeep learningソフトウェアの開発や、国内のビッグデータを用いたクラウドデータベース構築など発展的研究につながることが期待される。
|
