| 研究課題/領域番号 |
20K20214
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90130:医用システム関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
三原 裕一郎 東京大学, 医学部附属病院, 助教 (80789561)
|
|---|
| 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)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | ディープラーニング / 超音波 / 肝臓 / 人工知能 / 自動診断 / 肝腫瘍 / 肝細胞癌 / 転移性肝癌 / 自動識別 / データ拡張 / 超音波画像 / AI / 造影超音波 / リアルタイム / 自動検出 / Faster RCNN |
|---|
| 研究開始時の研究の概要 |
超音波での肝腫瘍の診断においては、肝腫瘍を洩れなく認識し、認識した腫瘤の識別を行うことが重要であるが、同診断は医師の練度により診断精度が異なる。本研究では、練度に依存しないリアルタイムな3次元超音波診断システムを構築することを目指す。
東京大学医学部附属病院で肝腫瘍に対する肝切除術中に取得された術中超音波検査映像をディープラーニングで学習させ、自動で診断するシステムを作成する。超音波画像を動画として得ることで3次元的に肝腫瘍を認識し、構造物を正確に識別することが可能となりうる。
リアルタイムに腫瘍認識・腫瘍の質的診断・腫瘍の位置情報を得ることが可能なモデルを構築する。
|
| 研究成果の概要 |
本研究は、肝臓手術中の術中超音波画像から腫瘍を自動識別するシステムの構築を目指した。最初に従来のFaster RCNNを用いて腫瘍の識別を試みたが、連続する画像の前後関係を考慮する手法を追加することで識別精度を向上させた。さらに、Mask R-CNNを導入することで、腫瘍や肝内構造の詳細な自動識別が可能となった。これにより、実臨床への応用が期待できるシステムが構築された。結果として、術中における正確な診断が可能となり、医師の熟練度に依存しない信頼性の高い手術支援が実現しうる。また、このシステムは今後、転移性肝癌にも応用を広げることが期待される。
|
| 研究成果の学術的意義や社会的意義 |
本研究の学術的意義は、術中超音波画像における腫瘍および肝内構造の自動識別技術を開発し、肝臓手術におけるリアルタイム診断精度の向上を実現した点にある。精度の高い自動識別技術を確立することで、画像認識技術の新たな応用例を示した。医療画像解析分野におけるAIの可能性を拡大するものと考えられる。
社会的意義としては、医師の熟練度に依存しない正確な術中診断が可能となり、肝臓手術の安全性および成功率が向上する点が挙げられる。これにより、患者の負担が軽減され、術後の予後の改善が期待される。また、転移性肝癌への応用も視野に入れることで、広範な臨床適用が可能となり、多くの患者に恩恵をもたらすことが期待される。
|
