| 研究課題/領域番号 |
20K11827
|
|---|
| 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60080:データベース関連
|
|---|
| 研究機関 | 岐阜大学 |
|---|
研究代表者 |
周 向栄 岐阜大学, 工学部, 准教授 (00359738)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023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)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 医用画像処理 / 深層学習 / 計算機支援診断 / 機械学習 / machine learning / deep learning / database / CT image / anatomical structures / 医用画像 / データベース / 診断知識の獲得 / 医用画像データベース / 臓器・疾患横断型深層学習法 |
|---|
| 研究開始時の研究の概要 |
大規模の多次元医用画像（CT，MRI，PET）と医師の診断レポートを収集し，計算機で人体の解剖構造，機能，病変などの知識を逐次的に学習する．学習の結果（様々な画像診断知識を再現するモデル群）を計算機内で蓄積・集約・伝承する仕組みを提案し，知的画像診断支援のための知識ベース（辞書）を構築する．医師のように日々の医療活動から経験を逐次的に積み上げる計算機システムを開発する
|
| 研究成果の概要 |
この研究では、CT、MRI、PETなどの大量の多次元医用画像を集め、人体の解剖学的構造に基づいて、代謝機能や病変などの異なる情報を効率的に計算機上で整理・統合するための医療AIの開発に向けた大規模な医用画像データベースを構築した。また、医師の診断に含まれる知識や経験を活かすため、深層学習と辞書学習を組み合わせた手法を提案し、高度な画像診断知識を習得・蓄積・伝承する仕組みを構築した。これにより、医師の実践から得た知見を機械学習に取り入れ、様々な診断タスクに対応できるAIを実現し、より汎用的な医療AIの進化に貢献することを目指す。
|
| 研究成果の学術的意義や社会的意義 |
医用画像の利用により，多くの患者の命が救われてきた．高精度の画像診断には，計算機の支援は必要不可欠である．多次元画像に含まれる膨大な情報から，必要な情報を瞬時に見つけることが重要であり，本研究が目指しているシステムは，以上の現実的な問題を解決できる唯一な方法と考える．医師の診断技術が長期的臨床経験の蓄積であり，貴重な「匠の技」である．しかし，臨床経験には，文字で表現できない暗黙知の部分が多く含まれ，他者との共有が困難かつ次の世代へ引き継げない問題がある．この問題を最終的に解決できれば，名医の「匠の技」を計算機の中に蓄積し続けることが可能となり，医学の発展への大きな波及効果が得られる．
|
