| 研究課題/領域番号 |
17K09070
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
医学物理学・放射線技術学
|
|---|
| 研究機関 | 藤田医科大学 |
|---|
研究代表者 |
寺本 篤司 藤田医科大学, 保健学研究科, 教授 (00513780)
|
|---|
| 研究分担者 |
塚本 徹哉 藤田医科大学, 医学部, 教授 (00236861)
今泉 和良 藤田医科大学, 医学部, 教授 (50362257)
外山 宏 藤田医科大学, 医学部, 教授 (90247643)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | 人工知能 / 医用画像 / 肺がん / 診断 / PET/CT / 病理画像 |
|---|
| 研究成果の概要 |
肺がんは死亡原因の第一位になっており，社会的問題になっている．本研究では，鑑別診断で撮像するPET/CT画像と，確定診断で撮影する顕微鏡画像を用いて，多数の特徴量（イメージングバイオマーカー）を算出し、肺疾患を高い精度で診断できる技術を開発することを目的とした．本研究では、まず肺疾患患者の画像データを収集し、特徴量の算出を行い、それらに基づき機械学習法で肺結節の良悪性や組織型分類を行う。検証の結果、複数の画像を組み合わせることで分類精度が向上することが確認された。
|
| 自由記述の分野 |
医用画像処理、人工知能
|
| 研究成果の学術的意義や社会的意義 |
PET/CT画像のような放射線画像と、病理画像を対象とした深層学習の研究は多数行われているが、それらを組合せた研究は実施例が極めて少ない。本研究は深層学習や統計的手法を駆使した診断支援処理を実現しようとしたものであり、学術的な意義がある。また、画像診断を専門としない主治医にとって，本研究で算出できるようにした画像バイオマーカーは病変部の特徴を把握しやすく，予後判定や治療方針の決定にも活用できる．これらの技術によって肺がんの早期診断や正確な診断が実現する可能性が高く、患者のQOL向上や医療費の削減につながる。
|
