| 研究課題/領域番号 |
24K03262
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分90110:生体医工学関連
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
小田 昌宏 名古屋大学, 情報基盤センター, 准教授 (30554810)
|
|---|
| 研究分担者 |
森 健策 名古屋大学, 情報学研究科, 教授 (10293664)
藤原 道隆 名古屋大学, 医学部附属病院, 病院教授 (70378222)
諸岡 健一 熊本大学, 大学院先端科学研究部(工), 教授 (80323806)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2028-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
18,720千円 (直接経費: 14,400千円、間接経費: 4,320千円)
2027年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2026年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2025年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2024年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
|
|---|
| キーワード | 手術シーン認識 / サブドメインデータ生成 / 術中危険予測 / 危険状況表現環境構築 |
|---|
| 研究開始時の研究の概要 |
本研究では、自律的な外科手術支援ロボット実現に必須となる、術中画像からの危険予測手法の開発と、その実現に必要な手術シーン認識手法の開発を行う。手法開発に必要な術中の実データ収集には膨大な時間とコストを要するため、データ収集コストの低いサブドメインデータ（手術を近似表現した環境で収集されたデータの集合）を用いた認識及び推定モデル構築を通して、ターゲットドメインである術中画像ドメインに適用可能な手法構築を行う。
本研究は「手術シーン認識手法の開発」と「危険予測手法の開発」の2フェーズで推進し、サブドメインにおける生成データを活用しながら、実際の手術環境に適応した手法を開発する。
|
| 研究実績の概要 |
本研究では、自律的な外科手術支援ロボット実現に必須となる、術中画像からの危険予測手法の開発と、その実現に必要な手術シーン認識手法の開発を行う。手法開発に必要な術中の実データ収集には膨大な時間とコストを要するため、データ収集コストの低いサブドメインデータ（手術を近似表現した環境で収集されたデータの集合）を用いた認識及び推定モデル構築を通して、ターゲットドメインである術中画像ドメインに適用可能な手法構築を行う。
本研究は「手術シーン認識手法の開発」と「危険予測手法の開発」の2フェーズで推進し、サブドメインにおける生成データを活用しながら、実際の手術環境に適応した手法を開発する。
本年度は「手術シーン認識手法の開発」の初期検討を行った。このフェーズでは、 (1) 臓器形状変化を表現するサブドメインデータ生成と認識手法開発、(2) アピアランス変化を表現するサブドメインデータ生成と認識手法開発、(3) 撮影条件変化を表現するサブドメインデータ生成と認識手法開発、を含む3種類のサブドメインデータ生成を行う。そのための実データ収集方法の検討と、サブドメインデータ生成方法の検討を行った。
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
本研究で開発する「手術シーン認識手法の開発」では、術野で発生する３つの主要な変化軸（臓器形状変化、アピアランス変化、撮影条件変化）に着目し、各変化軸に沿った表現に適したサブドメインデータの生成手法開発と、これを用いた手術シーン認識モデルの開発を行う。具体的には以下の３項目の研究で進捗があった。
(1) 臓器形状変化を表現するサブドメインデータ生成と認識手法開発：術中の臓器変形パターンを生成するための臓器模型の検討を行った。医師の手術トレーニング用に作成された市販の臓器模型と、患者CT像から取得した臓器形状を用いて3Dプリンタで造形した模型を比較し、造形に用いる材料も含めて検討した。3Dプリント模型は多様な形状を作成可能であるものの物性が実際と大きく異なり、市販臓器模型は物性が近いものの形状パターンが限定される。表現する変化量に応じてこれらを使い分けることとした。
(2) アピアランス変化を表現するサブドメインデータ生成と認識手法開発：術中に臓器表面などに生じる見た目の変化を生成する手法の検討を行った。実画像に対して、アピアランス変化を含む画像ドメインへと画像変換する変換器の構築を行った。画像ドメイン変化には、従来から提案されているGANベースのCycleGANを用いる場合とDiffusion Modelを用いる場合を比較し、Diffusion Modelでは臓器表面の詳細が表現可能であることを確認した。
(3) 撮影条件変化を表現するサブドメインデータ生成と認識手法開発：カメラの視点位置変化と陰影の変化を含むサブドメイン画像生成を行う方法を検討した。患者CT像から臓器セグメンテーションによって得た臓器領域ボリューム画像を用い、ボリュームレンダリングを用いることで、多様な視点位置や陰影変化を含む画像を描画可能であることを確認した。
|
| 今後の研究の推進方策 |
2025年度は引き続き、(1) 臓器形状変化を表現するサブドメインデータ生成と認識手法開発、(2) アピアランス変化を表現するサブドメインデータ生成と認識手法開発、(3) 撮影条件変化を表現するサブドメインデータ生成と認識手法開発、の３項目の研究開発を行う。それぞれにおいてサブドメインのデータ生成の実現を目指す。３項目の今後の研究方策を以下に述べる。
(1) 臓器模型に加えて、物理シミュレーションを用いた臓器変形バリエーションの表現方法を構築する。物理シミュレーションでは、３次元物体メッシュモデル、有限要素法など物理的に正確な変形モデルを使用して臓器変形を表現する。そして形状変化表現結果を用いて手術状況認識モデルを開発する。
(2) 術中のアピアランス変化を表現するために画像ドメイン変換を使用しているが、この画像ドメイン変換の精度をさらに向上させるため、実画像の様々なアピアランスパターンの画像収集を行う。そして数種類のアピアランス変化変化軸を求めて変化軸に沿った画像生成を行う方法を開発する。
(3) 撮影条件変化に対応した手術状況認識モデルを開発する。これまで検討したサブドメイン画像生成方法を用いて画像生成とモデル開発を行い、認識結果の評価とモデル改善を行う。
|
