| 研究課題/領域番号 |
20K21821
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分61:人間情報学およびその関連分野
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
|---|
| 研究分担者 |
岩本 祐太郎 大阪電気通信大学, 情報通信工学部, 講師 (30779054)
|
|---|
| 研究期間 (年度) |
2020-07-30 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2022年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2021年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
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 | 三次元深層学習ネットワーク / 軽量化 / ボリューム画像 / 肝臓疾患 / セグメンテーション / 高解像度 / 深層学習 / 三次元畳み込みニュートラルネットワーク / 肝臓セグメンテーション / 肝臓腫瘍検出 / 三次元ネットワーク / 計算機支援診断 |
|---|
| 研究開始時の研究の概要 |
近年CT画像のようなボリューム画像をそのまま解析できる三次元畳込ネットワークが注目されるようになっている。三次元ネットワークを用いることによって、医師と同じように医用画像の三次元情報が利用できるので、高精度な診断支援ができるが、多次元入力画像に対してKernelの次元数も増えるので、推定パラメータ数が指数的に増加する。計算の複雑さに加えて膨大なトレーニングデータが必要であり、それを用意することは非常に困難である。本研究では、精度を保ちながら三次元深層学習ネットワークの新たな軽量化モデルを提案する。開発した軽量化三次元ネットワークを用いてCT画像における肝臓疾患の計算機支援診断システムを開発する。
|
| 研究実績の概要 |
医用ボリューム画像をそのまま解析できる軽量化された効率的な三次元深層学習ネットワークの開発を目的に、以下の研究成果が得られた。
(1) コンピュータビジョンタスクの中で最も計算コストの高い三次元臓器セグメンテーションについて、軽量化された、高精度な深層学習モデル3D Multiple-Contextual ROI-Attention Networkを提案し、C T画像における高精度な三次元肝臓セグメンテーションを実現した。その成果を電子情報通信学会英文誌で発表した。
(2)医用画像の事前情報を用いて効率よくMRIの高解像化ができた。人工知能分野のトップ学術誌IEEE Transactions on Emerging Topics in Computational Intelligence（IF: 4.851）で発表した。
(3)三次元医用画像セグメンテーションの成果や三次元形態解析の結果はトップ国際学会ICCE2022 (H5 index: 27), ICASSP2022 (H5 index:110), EMBC2022 (H5 index: 43)などで発表した。
(4) 2022年6月に大会長として国際学会International Conference on Innovation in Medicine and Healthcareをギリシャで主催した。その論文集を本として
Springer社より出版した。また、2022年7月に第22回日本術中画像情報学会にて「AIと医用画像解析」という特別講演を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
研究協力者がコロナの感染拡大の影響により、予定通り中国から来日できなかったためである。
|
| 今後の研究の推進方策 |
今後これまで開発した三次元深層学習ネットワークを様々な分野に応用していく。特に肝臓疾患の診断支援に応用していく。三次元肝臓セグメンテーション、肝臓腫瘍検出、肝臓腫瘍の鑑別などを中心に研究を進めていく。
|
