研究課題/領域番号 |
20K20408
|
補助金の研究課題番号 |
19H05472 (2019)
|
研究種目 |
挑戦的研究(開拓)
|
配分区分 | 基金 (2020) 補助金 (2019) |
審査区分 |
超高齢社会研究
|
研究機関 | 山梨大学 |
研究代表者 |
茅 暁陽 山梨大学, 大学院総合研究部, 教授 (20283195)
|
研究分担者 |
藤代 一成 慶應義塾大学, 理工学部(矢上), 教授 (00181347)
柏木 賢治 山梨大学, 大学院総合研究部, 教授 (30194723)
郷 健太郎 山梨大学, 大学院総合研究部, 教授 (50282009)
豊浦 正広 山梨大学, 大学院総合研究部, 准教授 (80550780)
|
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 |
25,610千円 (直接経費: 19,700千円、間接経費: 5,910千円)
2023年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2022年度: 7,670千円 (直接経費: 5,900千円、間接経費: 1,770千円)
2021年度: 5,330千円 (直接経費: 4,100千円、間接経費: 1,230千円)
2020年度: 6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2019年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
キーワード | 加齢黄斑変性 / 変視症 / Corrected Reality / 適応的視力増強 / 加齢黄斑変性症 / AR・VR・CR / 計算眼科学 |
研究開始時の研究の概要 |
加齢黄斑変性症(AMD)は,年齢を重ねるに従って網膜の中心に位置し視力の中核的機能を担う黄斑に異常が生じ,見え方の質が著しく低下する病気である.本研究では,老齢者でも患者自らが身近なPC・携帯端末等を用いて自身の症状を手軽に検査でき,その結果に基づいて,日常生活の場面ごとに個人の視覚特性に合致したコンテンツを提示することにより,視野の歪みを軽減し,中心暗点で消失した情報を補い,患者の見え方の質,ひいては生活の質まで大幅に改善させられるような情報工学技術としてCR(Corrected/Complemented Reality)技術を確立する.
|
研究実績の概要 |
加齢黄斑変性症(AMD、Age-Related Macular Degeneration)は、年齢を重ねるに従って網膜の中心に位置し視力の中核的機能を担う黄斑に異常が生じ、ものが歪んで見えたり(変視)、視界の中心部が暗くなったり(中心暗点)、 QOV (見え方の質、Quality of Vision)が著しく低下する病気である。本研究では、患者自らが身近なPC・携帯端末等を用いて自身の症状を手軽に検査でき、その結果に基づいて、日常生活の場面ごとに個人の視覚特性に合致したコンテンツを提示することにより、視野の歪みを軽減し、欠損した情報を補い、患者のQOV ひいてはQOL まで大幅に改善させられるような情報工学技術の提案を目的とする。本研究は、A:視界特性同定、B:視界矯正/補完、C:症状-病態の相互予測の3 部から構成されている。 令和4年度は視界特性について、令和3年度まで開発した線変形操作に基づく手法が、高齢者にとって操作方法と操作時間の両面で負担が大きいという問題を解決するための新しいアプローチを開発した。これは、対話型強化学習を用いて、システムが生成した曲線の候補をユーザに評価してもらうことで、歪みマップを最適化していく方法である。ユーザの負担を減らすために、対話型強化学習手法として比較的速く収束できるOptimal Path Forestを用いたRelevance Feedbackアルゴリズムを使用した。健常者のシミュレーション及び2名の患者による評価結果から、5回程度の評価で、本人の視野の歪みを反映した歪みマップを正確に生成できることを確認し、ユーザの負担を大幅に削減することに成功した。また、生成した歪みマップを用いて生成した補償画像の効果も実験で示すことができた。
|
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
調書記載の計画通りに進んできている。主要な成果は現在国際会議に投稿中であり、また、関連成果として令和3年度に国際学術誌1篇と国際会議論文2篇が採択された.
|
今後の研究の推進方策 |
研究課題A:視界特性同定について,令和4年度に対話型強化学習を用いた検査方法の開発に成功したが、新型コロナウィルス感染拡大の行動制限に伴い、評価実験に参加する患者の人数が2名に留まった。令和5年度は異なる病状の患者をできるだけ多く募集し、手法の有用性をさらに検証し、システムを改善していく予定である。また、研究課題Bの視界矯正/補完については視線追跡機能を有するヘッドマウントディスプレイを用いてシステムを実装し、精度と使い易さの検証を行う予定である。特に視線追跡の誤差や、不必要な画像更新への対処が必要と思われる。研究課題Cの症状-病態予測については、令和4年度に画像変換に用いられている各種生成ニューラルネットワークモデルの調査を行い、最新のStable Diffusionモデルが有用であることを確認したため、令和5年度は視界測定データとOCTまたは眼底画像データのペアデータ集を用意し、Stable Diffusionモデルに基づく相互予測モデルの学習、テスト及び改善を行う予定である。課題AとBの成果について、国際会議採択論文を拡張し、国際学術誌に投稿予定である。課題Cについては成果をまとめた論文を国際会議に投稿予定である。
|