| 研究課題/領域番号 |
19K23601
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0403:人間医工学およびその関連分野
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
Jin Ze 東京工業大学, 科学技術創成研究院, 助教 (40840278)
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
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 | 深層学習 / 画像支援診断 / 大腸がん / CT Conlonagraphy / 少サンプルで学習 / 大腸ポリープ / 医用画像 / 支援診断 / 大腸がん検診 / CTコロノグラフィー |
|---|
| 研究開始時の研究の概要 |
欧米では大腸CT検査(CTC)による大腸がん検診の普及が進んでいる、日本では保険収載の決定と高精度な臨床評価の成功を受け、今後は急速な普及が期待されている。CTCには、見落としやすい平坦型病変の検出精度を向上する事が課題として残されている。本研究では、我々が独自の深層学習モデルをベースに、平坦型を含む大腸ポリープ・病変の検出を支援するシステムを開発する。具体的には、CTCの原画像と、平坦形状と球形状の病変を強調した強調画像を同時に取り扱うハイブリッド深層学習を開発し、医師が判断した真の病変を教師信号として学習することで、未学習の症例の病変候補を検出、医師に提示し、医師の見落としを防ぐ。
|
| 研究成果の概要 |
この研究では、深層学習を活用したCTコロングラフィによる大腸がんの診断支援システムを開発しました。コンピュータ断層撮影(CT)技術とAI技術を組み合わせることで、大腸がんの診断における精度と効率性を大幅に向上させることが可能となりました。
大腸がんの特徴を抽出し、それらの特徴を利用して疾患の存在を確認するための深層学習モデルを使用します。モデルは、大量のCTコロングラフィ画像データを用いて訓練され、その結果として高い感度と特異度を実現しました。
放射線科医の診断作業をサポートするだけでなく、診断の精度と速度を改善します。患者の治療を早期に開始することが可能になり、大腸がんの予後改善に寄与します。
|
| 研究成果の学術的意義や社会的意義 |
新たな技術の開発: 深層学習を利用した大腸がん診断システムの開発は、人工知能と医療イメージングの領域における新たな進展を示す。これは、AIの能力を活用して病気を診断する新たな手法の探求と発展に貢献します。
研究基盤の拡大: この研究は、AIが医療診断にどのように役立つかを理解する上での基盤を提供します。これは、深層学習やAI技術をさらに進化させるための重要なステップとなります。
早期発見と予後の改善: このシステムの使用は、大腸がんの早期発見と治療を可能にし、それにより予後を改善する可能性があります。
|
