| 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 |
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)
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)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | MRI / バイオメカニクス / 筋骨格モデル |
|---|
| 研究実績の概要 |
本研究は人工知能による高速画像処理を用いて，全身の骨形状の大規模データベースを作成することを目的とした。期間全体を通じて、75名の若年成人男性の全身のMR画像を収集することができた。また、局所（体幹部－下肢や上肢のみ）のみのデータを加えると、100名を超えるMR画像を収集することができた。。3テスラのMR装置（MAGNETOM Vida, SIEMENCE）を用いたDixon法によって全身の撮像を行った。全身の画像を得るために、頭部-体幹-下肢から成る身体の中心部（9分割の画像）、左上肢（3分割の画像）、右上肢（3分割の画像）の3セッションに分けて撮像し、15分割された画像を合成することで全身の画像（Whole-Body MRI）を得た。各セッション（身体中心部、左上肢、右上肢）の画像は、画像の位置データを基に連結された。次に、身体中心部に対して左上肢と右上肢の画像を非剛体レジストレーションによって位置合わせを行い、身体中心部に対して左右上皮の連結を行うことで全身の画像を再構成した。MR画像に対して骨及び一部の筋の対象に領域分割（セグメンテーション）を行い、人工知能による自動認識の為の学習データを整備した。画像のセグメンテーションで高い精度の予測が報告されている深層学習（U-Net）を用いて、自動認識を行った。予測精度をDICE係数（認識した領域の一致度を0～1.0で評価）によって検証したところ、骨では0.7以上を示し、高い精度で認識できることを確認した。また、一部の筋に対しても同程度の精度で予測できる可能性があり、身体運動の生体力学的な研究において用いられる筋骨格モデルなどに応用できることが確認された。
|
| 現在までの達成度 (段落) |
令和2年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和2年度が最終年度であるため、記入しない。
|
