| 研究課題/領域番号 |
21K12077
|
|---|
| 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61050:知能ロボティクス関連
|
|---|
| 研究機関 | 中京大学 |
|---|
研究代表者 |
目加田 慶人 中京大学, 工学部, 教授 (00282377)
|
|---|
| 研究分担者 |
道満 恵介 中京大学, 工学部, 准教授 (90645748)
|
|---|
| 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: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | 深層学習 / 医用画像処理 / 特徴選択 / 医用画像診断支援 / 腹部超音波画像 / 医用画像 / マルチモーダル |
|---|
| 研究開始時の研究の概要 |
本研究では，大量の医用画像とそれに付随する検査データや付帯情報を利用した，深層学習に基づく画像の特徴表現手法を開発と実際の医用画像診断支援の実現を目的とする．１患者に対して撮影される複数の断面間の幾何的関係の推定をおこない，「臓器内のどの位置にどのような腫瘍が認められるのか」といった所見を生成するための機械学習手法を検討する．
|
| 研究成果の概要 |
本研究課題の成果は、検査データのような有用であるが低次元の特徴と形態情報を豊富に含むが冗長で高次元な特徴である画像の両者を適切に組み合わせて、機械学習・深層学習による分類精度を向上させることである。画像特徴はRadiomics特徴のような網羅的な中間特徴にすることで低次元化しつつ、さらに特徴選択手法を組み合わせることで検査データと同等の次元数にして利用することで、分類精度が向上できることを示した。また、病変検出などの結果の解釈性を向上させるために、標準的な撮影断面（日大方式25断面撮影法）の推定のために2段階の推定手法を開発した。その結果、83.6%の正解率が得られることを示した。
|
| 研究成果の学術的意義や社会的意義 |
分子標的治療薬の病勢制御については、分子標的治療薬レンバチニブの薬事承認のためのデータの一部を用いたが、これらの治療方法の選択に時間をかける余裕はなく、今回実現した効果予測手法に対して、さらなる検証実験を行うことで治療成績の向上が期待できる。また、撮影と診断を同時に行わなければならない超音波スクリーニングにおいて、標準的な断面を推定できることでスクリーニング時の診断精度の向上が期待できる。
|
