研究課題/領域番号 |
20KK0234
|
研究種目 |
国際共同研究加速基金(国際共同研究強化(B))
|
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)
韓 先花 山口大学, 大学院創成科学研究科, 准教授 (60469195)
古川 顕 東京都立大学, 人間健康科学研究科, 教授 (80199421)
金崎 周造 滋賀医科大学, 医学部, 非常勤講師 (90464180)
西川 郁子 立命館大学, 情報理工学部, 教授 (90212117)
劉 家慶 立命館大学, 情報理工学部, 助教 (20948343)
李 印豪 立命館大学, 情報理工学部, 助教 (90962465)
|
研究期間 (年度) |
2020-10-27 – 2026-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
18,720千円 (直接経費: 14,400千円、間接経費: 4,320千円)
2025年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2024年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2023年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2022年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2021年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2020年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
|
キーワード | 肝臓がん診断支援 / 深層学習 / 弱教師学習 / 計算解剖学モデル / 肝臓セグメンテーション / 腫瘍検出とセグメンテーション / 肝臓がん再発予測 / アテンション機構 / 計算解剖モデル / 畳み込みニュートラルネットワーク / アテンション / 弱教師付き学習 / 半教師付き学習 / 肝臓腫瘍摘出と鑑別 / 肝臓腫瘍 / 多時相CT画像 |
研究開始時の研究の概要 |
肝臓がんは、平均5年生存率が30%程度とがん全体の中でも極めて低く、正確な診断に基づく早期発見が求められている。近年人工知能による診断支援が注目されている。その実用化するために、十分な症例数と最先端な人工知能技術が必要である。本国際共同研究は、アジアのトップ3カ国(日本、中国、インド)が連携して肝臓がんの計算機支援診断技術を確立し、臨床に利用できるシステムの開発を目標とする。計算解剖モデルを事前情報として深層学習ネットワークに組み込むことによって、腫瘍領域のアノテーションを必要としない弱教師学習による腫瘍の検出手法を開発し、高精度な肝臓腫瘍鑑別を行う。
|
研究実績の概要 |
2022年度は深層学習を用いた肝臓がんの診断支援を目的に以下の国際共同研究成果が得られた。 (1) 自然画像に比べ、学習に利用できるアノテーションされた医用画像が非常に少ない。少ない学習データでも高精度に医用画像解析ができるように、人体の解 剖知識と臓器の解剖モデルを先験知識として人工知能モデルに組み込む高精度な半教師付き臓器セグメンテーション法を提案し、肝臓などを高精度なセグメンテーションに実現した。その成果は医用画像のトップ学術誌IEEE JBHI (IF 7.021)で発表した。 (2) 教師なし学習法による高精度な肝臓腫瘍検出法を開発した。従来の肝臓腫瘍検出の学習に、膨大な腫瘍レベルのアノテーションが必要であり、時間と労力がかかる。本提案法は、一切のアノテーションなしで、高精度な肝臓腫瘍検出ができるようになった。本研究成果は医用画像解析分野のトップ国際学会MICCAI2022 で発表した。 (3) 2022年6月と2023年2月に国際連携交流として、三大学(立命館大学(日本)、浙江大学(中国)、インド工科大学(インド))によるオンライン国際連携研究交流会を開催した。毎回各大学から学生1名が最新の研究成果を紹介した。三大学の教員が共同指導した。また、2022年8月-9月, 2023年2月-3月それぞれ約1ヶ月ほど中国の浙江大学で共同研究を実施した。 (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社より出版された。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
共同研究先のインドIITおよび中国浙江大学の教員などを日本に招聘し、共同研究を実施する予定であったが、コロナの関係で共同研究者が来日できなかった。
|
今後の研究の推進方策 |
これまで、肝臓がん診断支援に必要な肝臓セグメンテーションと腫瘍の自動検出とセグメンテーション法を開発してきた。今後は、以下の計画で研究を進めていく。 (1)肝臓腫瘍の鑑別、肝臓がんの早期再発予測および肝臓がんの重症度と関連の深い微小血管浸潤などの課題についても研究進めていく。特に、これまで用いて来なかったMRI画像や病理画像を用いた高精度な鑑別法や予測法を開発する。 (2)血液検査結果などの臨床結果や医師の診断経験と基準を人工知能モデルに組み込み、高精度な医用人工知能モデルを開発していく。 (3)これまでCOVID-19の影響でオンラインしか行って来なかった、中国とインドの研究者や学生を日本に招聘し、共同研究を実施するとともに国際連携workshopを日本で対面で実施する予定である。また、若手研究者や院生を連携先の中国、インドに派遣し、共同研究を行う。
|