| 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 |
26108009
|
|---|
| 研究機関 | 山口大学 |
|---|
研究代表者 |
木戸 尚治 山口大学, 創成科学研究科, 教授 (90314814)
|
|---|
| 研究分担者 |
木村 浩彦 福井大学, 学術研究院医学系部門, 教授 (10242596)
法木 左近 福井大学, 学術研究院医学系部門, 准教授 (30228374)
稲井 邦博 福井大学, 学術研究院医学系部門, 准教授 (30313745)
金 亨燮 九州工業大学, 大学院工学研究院, 教授 (80295005)
平野 靖 山口大学, 創成科学研究科, 准教授 (90324459)
橘 理恵 大島商船高等専門学校, 情報工学科, 准教授 (90435462)
|
|---|
| 研究期間 (年度) |
2014-07-10 – 2019-03-31
|
| キーワード | 多元計算解剖 / 計算解剖 / 診断支援 / オートプシーイメージング / データベース |
|---|
| 研究実績の概要 |
本計画班は領域内各計画班と連携し，空間軸，時間軸，機能軸，病理軸の4軸に基づいた多元計算解剖モデルを利用し構築した画像診断支援システムの臨床展開を行うことを目的としている．大きく臨床画像診断を対象としたコンピュータ支援診断に関する研究とオートプシーイメージ画像(Ai画像)と病理画像などを対象とした画像診断支援に関する研究をおこなった．コンピュータ支援診断に関する研究としては，びまん性肺疾患や肺癌を対象としたコンピュータ支援診断システムの作成をおこなった．また，Ai画像に関しては死後時間推定や臓器表面データの収集をおこなった.
びまん性肺疾患に対する研究としては，深層学習(Deep Learning)の代表的な手法であるConvolutional Neural Network(CNN)を用いたパターン陰影の識別に関しての研究をおこない，自然画像のプレトレーニングモデルを用いた結果では，びまん性肺疾患のトレーニングデータを用いたものよりも良好な結果を示すことができた．また，イリノイ工科大学の鈴木准教授とMTANN(Massive training artificial neural network)を用いたびまん性肺疾患の陰影パターンの検出と分類に関する共同研究をおこない良好な結果を得た．さらに，肺癌に関しては経時差分法を用いた肺結節の検出に関する研究をおこなったが，本年はCNNを導入してさらに精度とロバスト性をあげる試みをおこなった．
Ai画像を対象とした研究としては，ミニブタの24時間撮影の経時データを用いたテクスチャの変化を元にして，人体の死後経過時間の推定をおこなうアルゴリズムの開発をおこない高い推定精度をえることができた．3Dスキャナを用いた剖検臓器の画像収集においては，びまん性肺疾患の伸展固定肺標本に対して高精度な表面構造データの収集をおこなうことが可能となった．
|
| 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
本計画班の研究は，大きくは臨床画像を対象とした研究とAi画像を対象とした研究にわかれるが，いずれもおおむね順調に進展している．
臨床画像に関する研究としては肺疾患を対象としたコンピュータ支援診断に関する研究をおこなった．びまん性肺疾患に対する研究としては，深層学習(Deep Learning)の代表的な手法であるConvolutional Neural Network(CNN)を用いたパターン陰影の識別に関しての研究をおこない，自然画像のプレトレーニングモデルを用いた結果では，びまん性肺疾患のトレーニングデータを用いたものよりも良好な結果を示すことができた．また，イリノイ工科大学の鈴木准教授とMTANN(Massive training artificial neural network)を用いたびまん性肺疾患の陰影パターンの検出と分類に関する共同研究をおこない良好な結果を得た．肺癌に対する研究としては，経時差分法を用いた肺結節の検出に関する研究をおこなっており，本年はCNNを導入してさらに精度とロバスト性をあげることが可能となった．
Ai画像に関する研究としては，ミニブタの経時撮影画像を用いたテクスチャ解析結果を用いて人体の死後経過時間を推定する研究を行っているが，死後経過時間の推定に関して良好な結果を得ている．3Dスキャナによる剖検臓器表面データの取得に関しては，びまん性肺疾患の伸展固定肺標本の高精細な表面データの取得が可能となった．
以上，臨床画像に関する診断支援およびAi画像に関する診断支援のいずれに関しても研究はおおむね順調に進展している．
|
| 今後の研究の推進方策 |
本年度からは当プロジェクトも後半にはいるため，これまでのアルゴリズムの開発から臨床展開を重視した研究へと進めて行く予定としている．
びまん性肺疾患に関する研究においては，より高精度でロバストなびまん性肺疾患の検出や分類を可能とする研究をおこなう．また，実際の臨床現場での使用を想定し，多施設の症例に対して高精度な診断を可能とすることをめざす．イリノイ工科大学の鈴木准教授とMTANNを用いたびまん性肺疾患の検出と分類に関する国際共同研究は引き続き実施し，成果を国際共同発表を予定している．また新たに分担者として加わった山口大学の間普准教授による教師無し学習によるびまん性肺疾患のパターン分類に関する研究を用いた，びまん性肺疾患の診断支援のアルゴリズムの高精度化をを予定している．肺癌に関しても，現在おこなっている経時差分法を用いた肺結節の検出に関する研究をディープラーニングの技術を用いることにより，より高精度でロバストなものとして実際の臨床現場での使用をめざしていく．さらに検出のみならず，機械学習の方法を用いたRadiomics解析をおこなうことにより個別化医療への発展に繋げていくことを想定している．
Ai画像に関する診断支援においては，ミニブタの経時撮影画像を用いて人体の死後経過時間の推定をおこなっているが，現在まだ少数例にしか適応していないため，今後さらに症例数を増やすことを予定している．また精度を高めるために，テクスチャ以外の気温などの情報も加味した推定アルゴリズムの構築を考慮している．3Dスキャナによる剖検臓器表面データの取得に関しては，びまん性肺疾患伸展固定肺標本の高精細な画像データの取得に成功しているため，今後CT画像データとの融合をおこなうことによりバーチャルな伸展固定肺標本の作製をおこなうことを予定している．
|
