| 研究課題/領域番号 |
23K08618
|
|---|
| 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56020:整形外科学関連
|
|---|
| 研究機関 | 東京医科大学 |
|---|
研究代表者 |
吉井 雄一 東京医科大学, 医学部, 教授 (80617530)
|
|---|
| 研究分担者 |
謝 淳 筑波大学, 計算科学研究センター, 助教 (00913287)
北原 格 筑波大学, 計算科学研究センター, 教授 (70323277)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 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)
2025年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
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: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
|
|---|
| キーワード | X線透視装置 / CT / 3次元 / 2D3Dレジストレーション / Ｘ線透視 / フュージョン |
|---|
| 研究開始時の研究の概要 |
本研究では、X線透視画像（Cアーム）と他の画像検査との複合モダリティフュージョン技術の開発を目指す。これまでの予備検証では、対象物の厚みによるCアーム画像と術前計画画像の不一致、対象部位の移動に伴う位置・方向検出の不正確性といった課題があった。そこで 本研究で、深層学習を用いたCアーム画像と他の画像検査データのレジストレーション法を確立し、Cアーム画像の複合モダリティフュージョンの臨床応用を実現する。Cアーム画像と他の画像検査データをリアルタイムに融合して診療支援するシステムの開発で、適確な医療の提供や医療機器導入コスト・放射線被曝の低減などによる社会貢献を目指す。
|
| 研究実績の概要 |
本研究では移動式X線透視装置の画像と術前に得られた3Dデータをマーカーレスに位置合わせする手法を開発する。第一段階の研究として、X線画像の座標回帰をもとに3D画像とレジストレーションする方法を確立し, 骨盤骨の3Dデータで精度検証を行った。X線画像と術前にCT検査で取得した3次元モデルのシーン座標を定義し, その座標系で3次元点群と2次元座標の対応関係を深層学習により獲得する方法を確立した。6例の骨盤CTデータを用いて精度検証を行った。CTデータからシミュレーションで生成したX線画像を使って, シーン座標を回帰する深層学習を行った。実際のX線画像のような画像を再現するモデルにDeepDRRを用いた。開発した手法と先行研究により報告されているX線画像の位置推定法(PoseNet, DFLNet)を用いて推定精度の検証を行った。まずDeepDRRで作成したX線画像を用いて検証し, 続いて実際のX線画像を用いて検証した。DeepDRR画像での検証では, 推定された位置姿勢と実際の位置姿勢の推定誤差は開発手法, PoseNet, DFLNetそれぞれで平均3. 8±1. 7mm, 7. 6±1. 6mm, 61. 5±91. 9mmであった。また実際のX線画像に適用したところ, 推定誤差は開発手法で9. 6±4. 1mm, PoseNetで39. 6±7. 8mmであった。DFLNetは推定誤差が大きく評価の対象から除外した。いずれの検証でも開発手法は推定誤差が最も少なかった。座標回帰によりX線画像と3Dデータをマーカレスに高精度で位置合わせする技術を確立した。本手法はCアームを用いた骨折手術ナビゲーションのための基本原理となる。
|
| 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
骨盤モデルの3Dデータを用いてX線画像の座標回帰をもとにして3D画像とレジストレーションする方法を確立した。この基本原理の構築に時間を要したが、今後はこの原理を基軸として発展させることができると考えている。
|
| 今後の研究の推進方策 |
全身の各部位（特に前腕骨のような複数骨がある部位）における3DデータとX線透視画像の検証をすすめる。またＸ線画像にインプラントによるアーチファクトなどが介在した場合にも高精度なレジストレーションが可能か検証する。
|
