| 研究課題/領域番号 |
19K10690
|
|---|
| 研究機関 | 名古屋市立大学 |
|---|
研究代表者 |
青木 康博 名古屋市立大学, 医薬学総合研究院(医学), 教授 (90202481)
|
|---|
| 研究分担者 |
福田 真未子 名古屋市立大学, 医薬学総合研究院(医学), 助教 (60832201)
琵琶坂 仁 岩手医科大学, 医学部, 非常勤講師 (90405837)
臼井 章仁 東北大学, 医学系研究科, 助教 (90588394)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 法医人類学 / 骨盤骨 / 三次元画像解析 / 多変量解析 / 深層学習 / 相同モデル / 年齢推定 |
|---|
| 研究実績の概要 |
昨年度に引き続き，16～95歳の男性（404例）および女性（364例）の骨盤骨相同モデルを用いた主成分分析において年齢相関が認められた第1主成分以外の主成分（男性5主成分，女性3主成分）について，各主成分値を平均像群の主成分分析データから求め，各平均像の主成分値との距離から実年齢との差を比較した。第1主成分による平均像群27種を用いた年齢推定で実年齢より10歳以上離れた試料群から作成した年代毎の平均像12種を追加した平均像群（39種）の主成分データも用い検討した。その結果，男女とも第1主成分の平均像による実年齢との誤差の平均より，他のいずれの主成分の平均像による年齢誤差のほうが大きかった。平均像39種による誤差平均は平均像27種による誤差と同程度であったが，依然として40歳以上の誤差を示す試料も見られ，検討の余地があると考えられた。
深層学習を利用する方法では，男性骨盤の年齢推定を試みた。骨盤CT画像744例の相同モデルを用い，グレースケールの色調で表現した深度画像および色調のないシルエット画像を生成し，年齢カテゴリを16-40歳, 41-65歳, 66-90歳の3分類とし，各年齢層100例を選択し，再学習に用いた。テスト用データは，別に150例（各年齢層50例）用意し，再学習させたニューラルネットワークを用いて年齢層別判定を行い能力を評価した。1. 骨盤骨の投射角度，2. 画像の種類，3. 学習用データの選択法，4. CNN，5. 学習回数（エポック数）などの条件を変えて検討した結果，年齢層の正判定率は最高で67%となった。誤答率は中年層，高齢層で高く，特に境界付近の例で上昇する傾向があった。また正答例においては，若年層では仙骨と腸骨の両者，中年層では主として仙骨，高齢層では主として腸骨を特徴量として認識していることが推測された。
|
| 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
新たなテンプレート像を用いた相同モデルを再作成は順調に進んでおり，今後の検討に必要な例数を蓄積することができた。年齢推定については，女性についても主成分分析を中心とした検討を行っており，その評価は別として結果が出つつある。一方深層学習を利用した年齢推定法に関する検討は当初計画通りに進捗していると言える。
|
| 今後の研究の推進方策 |
新規の相同モデルのセットによる検討・検証が可能になったので，これを用い，多変量解析による年齢推定については，サポートベクターマシンの導入等も考慮し，多元的な解析を試みる。
深層学習による年齢推定については，今年度は分類法を導入したが，連続量を取り扱うため，回帰法の導入を予定している。
さらに，骨盤の各部位における年齢依存性の形態変化について検討しているが，相同モデルか一部のみを抽出し「部分相同モデル」を作成することが可能であるので，関心領域を絞った検討を行うとともに，破損骨・部分骨への対応に向けてのデータを蓄積する。
|
| 次年度使用額が生じた理由 |
国際学会に参加予定であったが，COVID-19の蔓延により中止された。機会が得られれば次年度に参加・発表を行う。またプログラム開発に当初予定を若干上回る費用が発生することが予測されるので，これに充てる。
|
