| 研究課題/領域番号 |
22K15821
|
|---|
| 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 | 東京大学 |
|---|
研究代表者 |
八坂 耕一郎 東京大学, 医学部附属病院, 助教 (40779659)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2026年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2025年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2024年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 深層学習 |
|---|
| 研究開始時の研究の概要 |
放射線画像診断の重要な役割の一つに、悪性腫瘍の検出や評価がある。深層学習は高い画像認識能を有することから、悪性腫瘍の検出・評価を含めた画像診断領域への応用が進められている。また、深層学習法を利用した新たな画像再構成法も考案されている。本研究では、腹部画像診断領域において、深層学習法を用いることで、様々な臓器に発生する悪性腫瘍の検出能や診断能を向上させることを目的とする。
|
| 研究実績の概要 |
深層学習応用再構成法を用いることで、dynamic CTにおいて肝細胞癌の検出能が向上するか、複数の放射線科医師を対象として検討した。結果、従来法に比べて、深層学習応用再構成法では、放射線科医師の肝細胞癌検出能を向上できることが判明した。本研究結果を英文原著論文としてまとめ、Abdominal Radiology誌において報告した。
深層学習応用画像再構成法を用いることで、dynamic CTにおける腹骨盤部の活動性出血の描出が、従来法と比べて向上することが判明した。本研究成果を英文原著論文としてまとめ、Radiol Technol誌に投稿し採択された。
また、処置前のdynamic CT画像をもとに、胆管ステント留置後の膵炎リスクを予測する深層学習アルゴリズムを作成した。既知の臨床的因子に深層学習法の出力を組み合わせることで、予測精度を向上させることが判明した。結果をEndosc Int Open誌において報告した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
深層学習応用画像再構成法を用いた検討や、腹部画像診断における深層学習アルゴリズムの開発を行った。いずれの研究内容も査読付き国際学術雑誌において原著論文として発表を行った。
|
| 今後の研究の推進方策 |
造影CTにおける体幹部疾患診断を行う深層学習アルゴリズムの開発および、深層学習応用画像再構成法における体幹部疾患診断能についての評価を行う。
|
