| 研究課題/領域番号 |
21K15800
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 東京医科歯科大学 |
|---|
研究代表者 |
藤岡 友之 東京医科歯科大学, 東京医科歯科大学病院, 准教授 (60771631)
|
|---|
| 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 |
1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | 人工知能 / 敵対的生成ネットワーク / 超音波 / 乳がん / 深層学習 / 乳腺 / 画像診断 / 教育 / 乳癌 / 生成画像 / 乳腺画像診断 / 医学教育 |
|---|
| 研究開始時の研究の概要 |
医療画像の収集、保持は個人情報の保護や患者の同意を得ることが必要となるため莫大な
労力や費用が必要となる。敵対的生成ネットワークという本物そっくりの仮想画像が作成できる深層学習の手法を医療画像への応用することで、効率よく画像データを生成し、教育や研究に応用することが期待されている。
本研究ではGANを用い乳房超音波の生成画像を作成し、本物の画像との相違点や人工知能
の作り出す画像の特徴を解析することで精度の高い生成画像を作成できる方法を確立する。更には生成画像を画像診断医の教育や人工知能を使った画像研究へ応用しその効果を検証し、有効な利用方法を提案する。
|
| 研究成果の概要 |
敵対的生成ネットワークを用い、1000枚近い乳房超音波画像から合成画像を生成しました。5つの異なる組織型に基づく高精度の画像は、オリジナルと極めて類似していました。放射線科医の読影テストで合成画像とオリジナル画像の診断結果が高く一致していました。敵対的生成ネットワークを活用したこの技術は、医療教育や臨床診断の精度向上に寄与する可能性があると考えられます。
|
| 研究成果の学術的意義や社会的意義 |
本研究は、敵対的生成ネットワークを用いることで組織ごとの特徴を持つ精度の高い乳房超音波画像の合成画像を生成できることを示しました。読影試験の結果から合成画像は実際の画像と非常に類似しおり、特に教育や訓練の分野で有効に活用できることが期待されます。本研究は生成画像を用いることで医学生や若手医師の診断能力向上に寄与し、医療の質を高めることに貢献する可能性があると考えられます。
|
