研究課題
本研究は、嚥下造影検査（VF）の検査画像を画像解析技術によってデータ化し、これを人工知能（AI）による機械学習を用いてアルゴリズム化することで摂食嚥下障害の診断技術を確立しようとするものである。本年度は、嚥下障害患者のVF画像データ（100症例）に基づいて予測を行うということを目的に、X線画像のこれまでの研究で明らかになった4つの特徴点のポイントの位置をVFデータ画像から直接的に検出または予測することができるかディープニューラルネットワークを用いて、この課題に取り組んだ。予測を行うためには、深層学習モデルを学習させた。まず、動画をフレームに抽出し、ラベル付けされた位置の値を検出することを試みた。さらに、各フレームの対応するラベルにマッピングを行った。マッピング後に深層学習モデルを入力し、画像とそれらの位置の関係を見つけるように学習させた。学習後、モデルに新しい画像を読み込ませたときに、そのモデルが位置を予測できるようになるか検討した。一般的に、深層学習モデルの学習を成功させるには、少なくとも数万枚以上の画像が必要になる。そこで、擬似的にデータを増やす手法としてデータにノイズや何かの変換を行いデータ拡張を行った。データ拡張の手法として、画像をX軸方向に反転させる方法、さらには、画像の明るさを変更する方法でデータ拡張を行った。動画から画像を抽出し、データ拡張を行った後、約27497枚の画像とそれに対応するラベルのペアデータを生成した。それを使ってResNet、VGGNet、Efficienetモデルを使用し、最適なモデルを抽出した。結果、各点における予測と正解の差は、画像上で40px程度(画像全体の10%)の誤差が生じた。なかでも、EfficientNeが最も良い結果であった。位置精度に関して、今後、物体検出モデルなどを用いる必要があることが推察された。
令和2年度が最終年度であるため、記入しない。
すべて 2022 2021
すべて 雑誌論文 (14件) (うち査読あり 7件、 オープンアクセス 7件) 学会発表 (11件) 図書 (3件)
治療
巻: 104（3） ページ: 307-310
歯界展望
巻: 139 (1) ページ: 190-195
J Prosthodont Res
巻: 13 ページ: -
10.2186/jpr.
Gerodontology
巻: 39 ページ: 90-97
10.1111/ger.12596
Br J Nutr
巻: 27 ページ: 1-10
10.1017/S0007114521003329
Gerontology
巻: 68 (4) ページ: 377-386
10.1159/000516968
Nutrients
巻: 13 (4) ページ: 1113
10.3390/nu13041113
J Oral Rehabil
巻: 48 (2) ページ: 169-175
10.1111/joor.13120
歯学
巻: 109 ページ: 18-21
MEDICAL REHABILITATION
巻: 267 ページ: 25-31
老年歯科医学
巻: 36 (1) ページ: E4-E33
栄養経営エキスパート
巻: 6 (2) ページ: 40-43
アポロニア
巻: 21325 ページ: 018-022
