| 研究課題/領域番号 |
21K07578
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 大島商船高等専門学校 |
|---|
研究代表者 |
橘 理恵 大島商船高等専門学校, 情報工学科, 教授 (90435462)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 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: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | CTコロノグラフィ / 電子クレンジング / 大腸がん検診 / 深層学習 / 機械学習 / 医用システム / Laxative-free |
|---|
| 研究開始時の研究の概要 |
大腸がん検診の検査法の一つにCT画像から仮想的に大腸内視鏡画像を生成し，大腸内の診断を行うCTコロノグラフィ検査がある．CTコロノグラフィ検査では，仮想的に腸管洗浄を行う電子クレンジング(electronic cleansing:EC)を用いることで被験者の負担を減らすことが期待できるが緩下剤を服用する必要がある．
本研究課題では，新たに3次元CT画像およびvirtual endoscopyの動画像を用いたハイブリッド学習によるEC法を開発し，大腸がん検診の受診率向上を目指した「緩下剤なしのCTC検査」の実現を目的とする．
|
| 研究成果の概要 |
本研究では3次元画像を用いた自己学習型GANによるEC手法と，virtual endoscopy像を用いたrecyle-GANによる EC手法を開発した．最終目標として両手法を組み合わせることによる最良のEC手法の実装を目指したが，virtual endoscopy像を用いたEC手法の精度が悪く，最終目標の実現に至らなかった．しかし，自己学習型GANによるEC手法では画像アノテーションのない小規模データセットに対してサブボクセル精度でECを実行できることが確認できた．
|
| 研究成果の学術的意義や社会的意義 |
開発した自己学習型GANを用いた電子クレンジング手法は従来法に比べ,自然なクレンジング画像の生成を可能とした．臨床現場における使用が可能となれば，従来に比べCTコロノグラフィ検査による電子クレンジングの精度向上が期待でき，大腸がん検診における被験者の負担を減らす効果及び検診率向上が期待できる．
|
