• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2020 年度 実績報告書

人工知能を用いた職業性肺疾患の自動診断支援

研究課題

研究課題/領域番号 19K22763
研究機関高知大学

研究代表者

菅沼 成文  高知大学, 教育研究部医療学系連携医学部門, 教授 (50313747)

研究分担者 吉田 真一  高知工科大学, 情報学群, 教授 (30334519)
研究期間 (年度) 2019-06-28 – 2021-03-31
キーワード職業性肺疾患 / 胸部X線画像 / 機械学習 / 深層学習
研究実績の概要

職業性肺疾患の胸部X線画像を対象として、粒状影、プラーク、などをターゲットに機械学習、エキスパートシステムの両面からのアプローチを職業性肺疾患の専門家、コンピュータサイエンティスト、診療放射線技師らがそれぞれの知識と経験を持ち寄ることで、検討を行ってきた。中国四国合同産業衛生学会、日本産業衛生学会などの口演発表では、職業性肺疾患については研究者が少なく、また、米国の上級じん肺読影医B Readerも全米で300名程度と実務を担当できる医師も少ない専門分野であるため、新しいソルーションの開発に期待が大きい。汎用のアルゴリズム応用から始まり、複数のアプローチを同時に行うことで、画像処理やセグメンテーションなど通常の機械学習、深層学習の手法に止まらないステップを積み上げてきており、開始当初の困難を克服しつつある。じん肺陰影の有無を判定するアルゴリズムについては、特異度が非常に高く、感度も高いものを確立した。症例数が比較的少ないことが最大の課題であり、少数症例を用いた症例による機械学習、深層学習の手法など関連領域の先行研究を参考にしつつ、独自の手法を開発した。胸膜プラークについても、課題を克服しつつある。実際に利用可能なシステムへのブラッシュアップを行いつつ、コンピュータの処理速度の進化に伴って解像度の高い画像での解析の可能性を検討する。また、今後、開発したシステムを用いたフィールド研究への応用や教育教材への応用などの検討も開始する。

  • 研究成果

    (4件)

すべて 2020

すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 2件) 学会発表 (2件)

  • [雑誌論文] Radiographic diagnosis of Pneumoconioses by AIR Pneumo‐trained physicians: Comparison with low‐dose thin‐slice computed tomography2020

    • 著者名/発表者名
      Shoko Nogami, Naw Awn J-P, Munenobu Nogami, Tomomi Matsui, Nlandu Roger Ngatu, Taro Tamura, Yukinori Kusaka, Harumi Itoh, Narufumi Suganuma
    • 雑誌名

      Journal of Occupational Health

      巻: 62 ページ: online

    • DOI

      10.1002/1348-9585.12141

    • 査読あり / オープンアクセス
  • [雑誌論文] Quality assurance in reading radiographs for pneumoconiosis: AIR Pneumo program2020

    • 著者名/発表者名
      Naw Awn J P, Narufumi Suganuma
    • 雑誌名

      The ASEAN Journal of Radiology

      巻: XXI ページ: 73-84

    • DOI

      10.46475/aseanjr.2020.17

    • 査読あり / オープンアクセス
  • [学会発表] Deep Learningによる画像解析を用いた肺疾患自動診断の実用可能性検討2020

    • 著者名/発表者名
      野村與珠亜一国, JP NAW AWN, 菅沼成文
    • 学会等名
      日本産業衛生学会
  • [学会発表] ILO国際じん肺エックス線分類のデジタルエックス線標準画像 - デジタルエックス線標準画像の導入2020

    • 著者名/発表者名
      菅沼成文
    • 学会等名
      日本産業衛生学会

URL: 

公開日: 2021-12-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi