| 研究課題/領域番号 |
22K16975
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分56060:眼科学関連
|
|---|
| 研究機関 | 鹿児島大学 |
|---|
研究代表者 |
椎原 秀樹 鹿児島大学, 鹿児島大学病院, 医員 (00837271)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 人工知能 / 光干渉断層計 / 網膜硝子体疾患 |
|---|
| 研究開始時の研究の概要 |
深層学習による画像分類は非常に精度が高い一方で、解析の過程の解析が困難であるという問題（ブラックボックス問題）があり、臨床における人工知能（AI）の応用の大きな妨げとなっている。そこで解析過程が可視化できる説明可能なAI；Explanable AIに注目が集まっている。本研究では光干渉断層計の画像をExplanable AIによって分類することを目指し、より臨床応用しやすいAIモデルを構築することを目的として行う。さらにExplanable AIによる解析結果を詳細に観察することによって、人間の目には見落とされてしまう微細な異常について解析を行う。
|
| 研究実績の概要 |
正常眼を教師データとして学習したOCT層別化の深層学習モデルの層境界のための確率分布の揺らぎをエントロピーによって定量化することによって、深層学習モデルの層境界決定の迷いを定量化した。この迷い度が高い部位は層構造が乱れている、即ち異常部位であるという仮説を基にOCT B-scan画像の正常眼と疾患眼で迷い度が有意に異なることを証明し、英文論文として報告した（PlosOne 2023）。さらに極軽度の異常部位の位置まで検出することが可能かとうかについて、糖尿病網膜症の微小循環障害を対象にして検証を行っている。糖尿病網膜症の病期によって、MAP画像の迷い度全体で有意差があることは証明されたが、現在は極軽度の障害がMAP画像から位置まで推定できるかについて検討を行っている段階である。
|
| 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
深層学習モデルの迷い度の異常値の位置を推定する段階で、主観的な評価をどのように排除するかを検討している段階であり、最終的な結果が得られていない。
|
| 今後の研究の推進方策 |
糖尿病網膜症の微小循環障害を眼底写真から推測されるよりも前に、深層学習モデルの迷い度の定量化によって検出することが可能であることを証明し、論文報告を行う予定である。このモデルを使って他の網膜硝子体疾患における新しいバイオマーカーとなる所見を発見したい。
|
