| 研究課題/領域番号 |
20K16780
|
|---|
| 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 | 京都大学 |
|---|
研究代表者 |
倉田 靖桐 京都大学, 医学研究科, 助教 (40836178)
|
|---|
| 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 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | Deep learning / MRI / Endometrial cancer / CNN / Segmentation / endometrial cancer / deep learning / segmentation / 子宮体癌 / 子宮頸癌 / 深層学習 / セグメンテーション / 子宮 / 卵巣 |
|---|
| 研究開始時の研究の概要 |
近年の医用画像解析では、画像から腫瘍の悪性度や予後など、解剖学的情報以上のデータを抽出する研究が行われている。従来の解析手法では、画像上での腫瘍の関心領域設定、画像的特徴量の設定を手動で行うのが一般的であるが、関心領域設定の労力が大きい、適切な特徴量の選択が難しい、という問題点が存在する。一方で、CNNでは、画像データ自体を直接解析することができるため、関心領域や特徴量設定の過程を全て自動化可能である。本研究では申請者らがMRI上での子宮の自動セグメンテーションを実現した手法を応用し、実臨床で適用可能な産婦人科MRIの自動診断プログラムを作成する。
|
| 研究成果の概要 |
本課題では、深層学習、特に Convolutional neural networkを用いた子宮体癌のMRI上での自動セグメンテーションおよび病期診断を実現し、国内および国際学会や論文でその成果を報告した。これと平行して、同様の手法を膀胱癌の画像診断に拡張した研究を継続中であり、成果の一部についてはすでに論文報告を行った。また、研究期間中に提案された深層学習の新しい手法である Vision Transformerを取り入れて、同手法が産婦人科、泌尿器科領域の医用画像解析に適用可能であることも示した。今後は作成したモデルの外的妥当性検証のための多施設共同研究を行う予定である。
|
| 研究成果の学術的意義や社会的意義 |
最近ではいわゆる人工知能を用いた医用画像解析が盛んに行われているが、産婦人科領域に関する研究報告は比較的少なかった。本研究では、MRI上で子宮体癌の検出や病期診断（深達度の判定）の自動化を実現することで、産婦人科領域の画像診断における深層学習の有用性を示した。この種の研究報告が増えることで、他の領域と同様に、産婦人科画像診断の質的向上や個別化医療を目指した画像解析が進展していくと考えられる。
|
