研究課題/領域番号 |
20K16734
|
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 | 大阪公立大学 (2022) 大阪市立大学 (2020-2021) |
研究代表者 |
本条 隆 大阪公立大学, 大学院医学研究科, 医員 (30779492)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2023年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2022年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2021年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2020年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
|
キーワード | 人工知能 / マンモグラフィ / Deepl earning / Super resolusion / 超解像技術 / 深層学習 / 誤認知 / Deep learning / ディープラーニング / 診断補助アルゴリズム |
研究開始時の研究の概要 |
放射線画像診断分野において、ディープラーニングによる診断補助アルゴリズムの発展は目覚ましいが、ディープラーニングには欠点が指摘されている。ディープラーニングはわずかなノイズ(摂動)を加えることで、誤認知が引き起こされうる。臨床応用の際、診断補助アルゴリズムの誤認知は患者に取り返しのつかない不利益になり、医療安全上の驚異となる。その議論は自動運転の分野で活発に行われているものの、放射線画像診断分野ではなされていない。本研究はディープラーニングによる診断補助アルゴリズム対し誤認知が生じうるかを検証考察し、その危険因子を指摘し、放射線画像診断分野の医療安全向上に資すると考える。
|
研究実績の概要 |
昨年度に研究の方向性を見直した結果、2022年9月に国際査読付きジャーナルEuropean Journal of Radiologyにて「Visual and quantitative evaluation of microcalcifications in mammograms with deep learning-based super-resolution」という論文を出版することができた。本研究では、マンモグラムに深層学習ベースの超解像(SR)モデルを適用し、視覚的および定量的な評価を行った。 SRマンモグラムは、オリジナルのマンモグラムと比較して診断品質、コントラスト、シャープネスが向上し、特に微小石灰化に対して顕著な改善効果が見られた。ただし、ノイズ評価は低かったものの、知覚的画質評価器(PIQE)スコアによる画像評価では、SRマンモグラムの方が画質が良いことが示された。マンモグラフィに関してこの技術は、放射線科医にとって微細石灰化が不明瞭な高密度乳房などの困難な症例での検出率を向上させる可能性があるため、画期的な進歩となり得る。 畳み込みニューラルネットワーク(CNN)に基づくSRモデルは、マンモグラフィ装置の変更を必要とせず、画像保存・通信システムに直接実装できるという利点がある。さらには、マンモグラフィに限らず、さまざまな放射線画像(MR、CT、Xpなど)に適用可能である。今後は、さらなる研究や技術開発を行い、より多くの医療現場に役立てることを目指していきたいと考えている。 また、今回使用したデータをデータベース構築を行っている。データ収集や解析の過程で得られた情報を綿密に整理し、利用しやすい形にまとめることで、今後の研究活動の効率化と質の向上を目指す。データベースの整理には、適切なフォーマットへの変換や、データの正確性を保証するためのクリーニング、関連性や重要度に基づくデータの整理・分類などが含まれており、専門的な部分は外部にお願いした。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
昨年度研究をピボットしたのちは、順調である。
|
今後の研究の推進方策 |
来年度は、発表などでの研究活動の普及や広報を中心に行う。
|