| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
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: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| 今後の研究の推進方策 |
子宮肉腫と子宮筋腫の判別研究で応用した一連のノウハウをもとにして、卵巣腫瘍症例を用いて画像処理を行う。まずは予備実験として30症例を対象に抽出して画像処理を行い、深層学習による評価が可能かどうかを検討する。具体的には、MRIの撮像条件から、T1axi, T1sag, fsT1axi, fsT1sag, T2axi, T2sag, T2cor, fsT2axi, DWI, ADC, dynamic contrast-enhanced axi, dynamic contrast-enhanced sag, fsT1CEaxi, fsT1CEsag, fsT1CEcorの撮像データを収集する。また、収集したMRIのDICOMデータを、Horosソフトウェアを用いてJPEGデータに変換する。MobileNet-V2ネットワークを用いて学習が可能かを確認する。これらの一連の流れがワークすることが確認できたら、症例数を増やして、同様の処理を行い、卵巣腫瘍の良悪性が予測できるかどうかを検討するとともに、その精度を検討していく。また、解析の軸としては、まず、卵巣腫瘍の良悪性を区別することを目的として、全腫瘍を良性と悪性に分類して、MobileNet-V2により良悪性が診断可能かどうかを検討していく。
|
