| 研究課題/領域番号 |
19K20709
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90130:医用システム関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
山本 詩子 京都大学, 情報学研究科, 特別研究員(RPD) (70707405)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
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)
|
|---|
| キーワード | 画像変換 / MRI / 敵対的生成ネットワーク / Cycle GAN / 辞書学習 / 機械学習 / スパース推定 / 多装置 |
|---|
| 研究開始時の研究の概要 |
MRI装置等の普及により医用画像が増え、医師が読影にかけられる時間は非常に限られ、小さな異常を見落とさないためのサポートが望まれている。本研究では、医師の経験的知識を機械学習し、生体画像を医師が読影しやすい画像へと見た目を変換する手法を開発することにより、早期診断を支援するアルゴリズムの創出とシステムの開発を行う。
複数の撮像装置により得た生体画像から、読影時に問題となる撮像装置ごとのわずかな見た目の違いを合わせる手法を開発する。またスパース推定を組み込むことで、医師が重視する見た目の違いに関わる要素を抽出する。さらに病気の進行に沿った画像に応用し、初期の異常を見つけやすくする技術を開発する。
|
| 研究成果の概要 |
本研究では、医師の読影を支援する技術の開発を目指し、異なる撮像装置から得られる生体画像のわずかな見た目の違いを変換する手法を開発した。研究の方法として、敵対的生成ネットワーク（GAN）を用いた画像の見た目変換器を作成した。また、重要な要素を抽出するスパース推定を行うプログラムを開発した。研究成果として、1.5Tと3Tの異なるMRI装置から得られたヒト脳のMRI画像を対象に、画像の見た目変換を行うことができる手法を提案した。
|
| 研究成果の学術的意義や社会的意義 |
本課題の研究成果は、医師の読影を支援するために非常に重要である。異なるMRI装置から得られるMRI画像は同じ撮像方法で得られた画像であってもわずかに見た目の特徴が異なり、医師による読影を妨げとなることがある。MRI画像の見た目を均質にすることで、小さな異常を見逃すリスクを低減し、医師の診断精度を向上させることが期待できる。また、異なる撮像装置から得られたMRI画像だけでなく撮像時期の異なる画像への適用により、病気の早期発見など、患者の治療効果や予後の改善に寄与することが期待される。
|
