| 研究課題/領域番号 |
19H03599
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 岐阜大学 |
|---|
研究代表者 |
藤田 廣志 岐阜大学, 工学部, 特任教授・名誉教授 (10124033)
|
|---|
| 研究分担者 |
西尾 瑞穂 神戸大学, 医学部附属病院, 特定助教 (50581998)
村松 千左子 滋賀大学, データサイエンス学部, 准教授 (80509422)
八上 全弘 京都大学, 医学研究科, 特定講師 (70580108)
坂本 亮 京都大学, 医学研究科, 特定助教 (50741930)
富樫 かおり 京都大学, 医学研究科, 教授 (90135484)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 計算機支援画像診断 / 深層学習 / 画像データベース / 胸部CT画像 / 導入後学習 / 胸部画像 / 自己学習 |
|---|
| 研究成果の概要 |
AI搭載のコンピュータ支援画像診断（いわゆるAI-CAD）システムの構築に関する基礎研究として，高い精度でディープラーニング（深層学習）型のAIモデルを得るための学習に必要な医用画像データ不足への解決法として，（1）肺結節の三次元CT画像生成の可能性研究， (2)研究結果の有効性研究，(3)リアル性の追求研究，(4)継続学習（市販後学習）に関する基礎研究を主に実施した．その結果，敵対的生成ネットワーク（GAN技術）をベースに，ある一定の範囲で有効性のあるリアルな肺結節画像の形成が可能であることを示した．また，継続学習に対する３つのアップデート法に対して，シミュレーションにより新しい知見を得た．
|
| 自由記述の分野 |
医用画像情報学
|
| 研究成果の学術的意義や社会的意義 |
医用画像診断を目的としたディープラーニング搭載の最新のコンピュータ支援診断（いわゆるAI-CAD）システムの構築に対して，モデル学習時に最も障害となる医療画像データ不足があり，これはAI-CADシステムの精度向上を阻む一要因である．本研究で開発した画像生成技術によってそれを補うことにより，システムの精度向上の一躍を担う可能性が示され，さらに継続学習に対して得られた新たな成果により，本研究領域において学術的にはもちろん，すでに実用化が始まりつつあるシステムの性能向上に向けても，本知見は少なからず寄与できるであろう．
|
