| 研究領域 | 医用画像に基づく計算解剖学の多元化と高度知能化診断・治療への展開 |
|---|
| 研究課題/領域番号 |
17H05282
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
理工系
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
花岡 昇平 東京大学, 医学部附属病院, 助教 (80631382)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2018年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2017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 | 医用画像処理 / 深層学習 / X線CT / PET / 異常検知 / 医用画像工学 / 骨疾患 / 教師なし学習 / コンピュータ支援診断 / 放射線 / 解剖学 / 画像 / 計算解剖学 |
|---|
| 研究実績の概要 |
当研究では、医用画像の正常のアピアランス(対象臓器内部の各ボクセルの輝度値)の空間的な分布を深層学習を用いて統計学的モデル化した。
2018年度では、主に2つの研究を行った。一つ目はPET-CTを対象とした研究であり、胸部のPET-CTの3次元CT画像を入力すると、PET画像での各ボクセルでのSUV(standard uptake value)値の推定値と推定誤差を出力するようなネットワークを学習した。学習は正常症例のみで行い、評価は異常症例で行って、推定値・誤差よりzスコアを各ボクセルで計算し、視覚化することにより異常検知を行った。FROCカーブを用いて評価を行い、症例あたりの偽陽性数3個のときに感度91%という結果を得た。本研究は第1回日本医用画像人工知能研究会学術集会にて発表された。
二つ目の研究は時系列の体部CTを用いた新規骨転移の強調表示アプリケーションの開発である。前回のCT画像から、深層学習を用いて今回のCTでの各ボクセルの推定値・推定誤差を算出し、これを用いて各ボクセルでz-scoreを計算し、これを強調表示する手法をとった。本研究は国際学会であるCARS2018にて発表された。
|
| 現在までの達成度 (段落) |
平成30年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
平成30年度が最終年度であるため、記入しない。
|
