| 研究課題/領域番号 |
20K05362
|
|---|
| 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30020:光工学および光量子科学関連
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
高林 正典 九州工業大学, 大学院情報工学研究院, 准教授 (70636000)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
|
|---|
| キーワード | 定量位相イメージング / 組織診断 / 分類学習器 / 深層学習 / AI / ディジタル組織診断 / 高解像化深層学習 / 主成分分析 / 病理診断 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
定量位相顕微鏡を用いた組織診断では，組織をあらかじめ染色する必要がなく，定量的なマーカーに基づく診断を行うため，高い正確性で診断や治療方針の決定ができる．本研究では，定量位相顕微鏡の画像取得プロセスと，定量位相画像から抽出した複数のマーカーを用いた診断を行う部分にAI技術を適用することによって，より高速かつ高精度な病理診断を行えるシステムを構築することを目指す．
|
| 研究成果の概要 |
定量位相画像を用いた組織診断において，AI技術によってスループットや認識精度を向上させることができるかどうかを検証した．その結果，一般画像の解像度向上に用いられるディープニューラルネットワークモデルが定量位相画像の解像度向上にも有効であることを示唆する結果を得た．しかし，改善効果はわずかであり，ネットワークモデルやデータセットのさらなる改良が必要であるという見解を得た．また，サポートベクターマシンを用いた複数のマーカーによる識別を行い，単独のマーカーのみを用いた場合よりも高い認識率を達成できることを確認した．さらに主成分分析を用いて詳細な解析を行い，各マーカーの寄与を可視化した．
|
| 研究成果の学術的意義や社会的意義 |
本研究によって，定量位相イメージングを用いた組織診断技術とAI技術の融合についての基礎的な知見が得られたことに意義がある．定量位相イメージングを用いた病理診断は従来の病理診断の多くの手間や曖昧さを排除することに貢献するとされるが，AIとの融合によりさらに技術導入への障壁が下がり，発展途上国なども含め，世界中に当該技術が広く普及するきっかけとなることが期待される．
|
