研究課題/領域番号 |
21K18082
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分90130:医用システム関連
|
研究機関 | 山口大学 |
研究代表者 |
清水 陽一郎 山口大学, 医学部附属病院, 診療放射・エックス線技師 (70896836)
|
研究期間 (年度) |
2021-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
キーワード | 医用システム / 医用画像処理 / 深層学習 / 胸部単純X線画像 |
研究開始時の研究の概要 |
同一人物の撮影時期が異なる時期に撮影された2枚の胸部単純X線画像 (CXR) を差分する経時差分処理は経時的変化を容易に認識できる利点がある.しかし初めてCXRを撮影する患者に対して経時差分処理を利用することができない.また撮影時のポジショニングや呼吸位相が異なると差分画像上に診断を妨げる障害陰影が生じるなどの欠点がある.本研究ではCXRと敵対的画像生成ネットワーク (GAN) を組み合わせて障害陰影がない差分画像を提供するシステムを開発する.
|
研究実績の概要 |
異なる時期に撮影された同一患者の胸部単純X線画像を差分することで、病変を観察しやすくする経時差分処理がある。しかし、異なる時期に撮影された画像をもたない患者に対しては、経時差分処理を行うことができない。本研究は、同一患者の異なる時期に撮影された、病変を含まない胸部単純X線画像を画像生成モデルに学習をさせ、病変を含む画像を入力すると、病変を含まない画像を生成させることで、病変を含む画像から、生成した病変を含まない画像を差分処理を行うことで、病変の検出をしやすくすることを目的としている。 本年度はより高精度な生成画像作成を目的に、画像生成ネットワークの改良を行った。高精度な画像生成を行うことで、差分処理を行う際に発生する診断を妨げるアーティファクトの発生を低減することが可能となる。ネットワークの改良を行うにあたり、低マトリックス(256×256) の画像に対して、生成された画像が入力した画像と似ているかどうかを、物理的、視覚的に評価を行った。物理的評価はpeak signal-to-noise ratio (PSNR) 、structural similarity (SSIM) を用いて評価を行った。視覚評価は診療放射線技師1名が入力した画像と出力した画像に対して評価を行った。評価の結果、精度よく画像を生成できることを確認したので、高マトリックス (512×512、1024×1024) の画像に対して、画像生成ネットワークを適用する予定である。その後、病変を含む画像をネットワークに入力し、生成された画像に対して差分処理を行うことで差分画像の評価を行う予定である。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
当初では病変を含む画像に対して、生成プログラムを実行する計画ではあったが、そこまで至っていない。研究代表者の居室がある棟が改修工事のため、6ヶ月間ワークステーションを使用することができなかった、また、改修の際に施工業者が、ワークステーションの電源につながっているブレーカを落としたため、ワークステーションの実行環境の再構築を強いられたため、予定より遅れていると判断した。
|
今後の研究の推進方策 |
今後は高マトリックスの画像に対して、生成プログラムを実行を予定している。さらに病変を含む画像に対しても実行を行うことで本研究の完遂を計画している。
|