| 研究課題/領域番号 |
16K00243
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
諸岡 健一 九州大学, システム情報科学研究院, 准教授 (80323806)
|
|---|
| 研究分担者 |
大内田 研宙 九州大学, 大学病院, 講師 (20452708)
倉爪 亮 九州大学, システム情報科学研究院, 教授 (70272672)
辻 徳生 金沢大学, 機械工学系, 准教授 (30403588) [辞退]
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | 低侵襲手術 / 実時間有限要素解析 / 臓器変形 |
|---|
| 研究実績の概要 |
当該研究は，腹腔鏡下手術を対象とし，申請者が有する実時間有限要素解析システム（neuroFEM）と，マルチモーダル内視鏡画像から術中組織情報を融合することで，患者組織固有の形状・運動的機能・見えを精緻に再現可能な人体組織モデリング法の開発を目的とする．
平成29年度では，前年度で構築した，実時間多層有限要素解析システムm-neuroFEMの更なる精度向上を図った．具体的には，m-neuroFEMの入力情報である，注目節点その隣接節点の変位と応力を一つのベクトルとして扱っていたものを，変位と応力それぞれ個別に特徴ベクトルを抽出し，得られた２ベクトルをまとめるような，m-neuroFEMの構造を開発した．
脳内部構造の一つである，被殻の2次元メッシュモデル（大きさ：幅29[mm]，高さ59[mm]）の変形を推定する実験を行った．この実験では，非線形有限要素法で推定した変形データを真値とし，平成28年度および当該年度で開発したm-neruoFEM（以後，従来法および提案法）の推定精度を比較した．その結果，提案法による変位および応力の推定誤差は，3.2 ± 1.4 [mm×1E-2]および1.5 ± 1.2 [N/mm^2]であった．従来法は4.4 ± 2.8 [mm×1E-2]および1.9 ± 1.9 [N/mm^2]であったことから，提案法によりm-neuroFEMの精度向上ができたことを確認した．
また，手術中の内視鏡画像から，術具をDeep Neural Network (DNN) によって自動的に検出するシステムを開発している．現在は２症例の動画を使ってDNNを学習し，学習したDNNを使って別の1症例の動画から術具を検出した結果，検出率は平均68%程度であった．今後は，更なる検出精度向上が必要である．
|
| 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
m-neuroFEMの推定精度が向上していることと，術中内視鏡画像からの術具検出システムは7割程度の検出精度であり今後もその精度を向上させる必要があるが，おおむね順調に進展している．
|
| 今後の研究の推進方策 |
平成29年度に開発している術具検出法については，それに適したDNNの構造を求め，また術中立体内視鏡動画を多く集め，より多くの学習データを使ってDNNを構築する．
また，立体内視鏡動画から臓器全体の形状推定とテクスチャマッピングを同時に行う方法を開発する予定である．
|
| 次年度使用額が生じた理由 |
（理由）当初高速内視鏡カメラを購入する予定であったが，実時間有限要素法を精度向上が急務であったため，それに必要な計算機やその周辺機器への購入に当てた．
（計画）次年度では，高速内視鏡カメラを開発するための費用として使用する予定である．
|
