| 研究課題/領域番号 |
21K07674
|
|---|
| 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 | 神戸大学 |
|---|
研究代表者 |
堀 雅敏 神戸大学, 医学研究科, 特命教授 (00346206)
|
|---|
| 研究分担者 |
大西 裕満 大阪大学, 大学院医学系研究科, 教授 (20452435)
SOUFI MAZEN 奈良先端科学技術大学院大学, 先端科学技術研究科, 助教 (80823525)
大竹 義人 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (80349563)
佐藤 嘉伸 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (70243219)
|
|---|
| 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: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 放射線診断 / 人工知能 / セグメンテーション / 不確実性 / 精度 / コンピュータ支援診断 / CT / MRI / 放射線診断学 |
|---|
| 研究開始時の研究の概要 |
Ⅰ. 3次元医用画像データの収集と整備を行う。放射線科医が腹部臓器の抽出を行うことで臓器領域の「正解」データを作成する。次に、腹部3次元医用画像からの臓器自動抽出とその「確からしさ」（あるいは不確実性）出力ができるようにする。
Ⅱ. 人工知能(AI)による臓器自動抽出は完全でなく、修正が必要になる場合がある。修正の必要性とBayesian U-Netの「確からしさ」との関連を調べ、AI出力を臨床に利用するための良好な指標を開発する。
Ⅲ. AIシステムの学習に使用しなかった症例に対し、Bayesian U-Net を用いた臓器自動抽出を行う。「確からしさ」スコアを利用したAI性能向上の手法を探る。
|
| 研究実績の概要 |
人工知能（AI）を応用して臨床に有用な技術開発を目指す多くの研究が試みられ、成功を収めている。しかし、その一方で課題も残っている。課題の一つとして、AI出力の「確からしさ」の評価が挙げられる。近年、学習済みAIのノードの一部をランダムに無効化する手法（Monte Carlo dropout）が、AI出力の「確からしさ」評価に有効であることが示された。本研究では、腹部3次元医用画像を対象にした臓器自動抽出について、AI出力の「確からしさ」の有用性を探った。これにより、1) AIの示す結果を利用すべきか否かの指標を確立し、2) 教師データ作成の省力化、3) AIシステム精度の効率的な改善を目指した。
2021年度から2022年度に、腹部3次元医用画像（CT・MRI）データを収集して、放射線診断医が腹部臓器の抽出を行い、臓器領域（肝臓・脾臓）の「正解」データを作成した。画像データ集積と並行して、Monte Carlo dropoutを組み込んだAIシステム "Bayesian U-Net" を作成した。これにより、腹部3次元医用画像からの臓器自動抽出とその「確からしさ」（あるいは不確実性 "uncertainty"）を出力できるようにして、基礎技術が確立した。
2023年度には、不確実性 "uncertainty"と臓器自動抽出精度との関連を調べ、不確実性 "uncertainty" の臨床的有用性を評価した。本研究により、AIによる腹部3次元医用画像からの臓器自動抽出精度を評価する上で、Monte Carlo dropout法が有効であることが示された。
|
