| 研究課題/領域番号 |
18H03149
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
近田 彰治 大阪大学, 医学系研究科, 助教 (80598227)
|
|---|
| 研究分担者 |
大竹 義人 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (80349563)
佐原 亘 大阪大学, 医学部附属病院, 助教 (80706391)
平島 雅也 国立研究開発法人情報通信研究機構, 脳情報通信融合研究センター脳情報通信融合研究室, 主任研究員 (20541949)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | MRI / 筋骨格モデル / バイオメカニクス |
|---|
| 研究実績の概要 |
人工知能（畳み込みニューラルネットワークを用いたディープラーニング）を用いた画像処理で必要となる学習データ（元画像に対応した骨領域を示すラベル画像）の作成を行うために，20名のMRI撮影を実施する予定であった．しかし，最新式のMR装置でその撮像アプ リケーションや事後処理のアプリケーションに不具合が見つかり，撮影方法の再調整が必要となり一時的な遅れが生じた．しかし，アプリケーションの改善が行われたことに加え，以下の要因によって当初よりも格段に高精度な全身MR画像を得ることができるようになった．１）下肢の撮影に適した広範囲をカバーすることが可能なRFコイルが導入されたことにより，磁場の均一性が格段に向上し，局所的な信号低下などが起こらなくなった．２）RFコイルの導入に伴い，体格の異なる研究対象者に対応するための実験時の工夫を行い，撮像姿勢の均一化や撮像時間の短縮を行うことができた．３）撮像パラメータや画像補正パラメータの微調整を行うことで，画質の向上と歪みの減少が確認された．全身MR画像は局所的な撮像を繰り返して，それらの画像を事後的に結合することで得られるが，上記の改良によって局所的な磁場の不均一性や画像歪みが解消され，結合した際に高精度な全身MR画像を得ることができるようになった．また，この画像を用いて学習データの作成（元画像に対応した骨領域を示すラベル画像）を行ったところ，作業時間の短縮が確認された．また，研究補助者を雇用し，学習データの作成のトレーニングと取得されたデータについての解析作業を進め，次年度以降に円滑に進められる体制が構築された．また，MR画像に基づく個人の形状や統計形状モデルを筋骨格シミュレーションモデルに反映できるよう，筋骨格シミュレーションモデルの改良を進めた．
|
| 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
機器の不具合により一時的な遅れが生じたが，当初の想定以上に高精度な全身MR画像を得られるようになった．また，学習データの作成も研究補助者のトレーニングと実際の解析作業を進め，MR画像の精度向上と研究補助者の解析能力の向上によって，今後の学習データの作成の時間短縮が見込まれるようになった．
|
| 今後の研究の推進方策 |
当初の予定通り，健康成人男性を対象としたデータの蓄積を進めていく．また，引き続き研究補助者を雇用し，データの蓄積に並行して学習データの作成を進めていく．学習データがそろってきた段階で，ディープラーニングによる自動セグメンテーション（MR画像に対する自動的なラベル付け）のテストを行っていく．また，解剖学的な構造を忠実に再現できるように筋骨格シミュレーションモデルの改良を進めていく．
|
