| 研究課題/領域番号 |
20K18712
|
|---|
| 研究機関 | 名古屋市立大学 |
|---|
研究代表者 |
石橋 謙一郎 名古屋市立大学, 医薬学総合研究院(医学), 講師 (80714609)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 口腔扁平上皮癌 / 細胞診 / deep learning |
|---|
| 研究実績の概要 |
ディープラーニングを用いた癌細胞の検出によると、徐々に進展し、AIを用いた乳がんの診断支援システムが開発され、診断の正確性が向上したことが報告されています。しかしながら、口腔がんは子宮頸がんと同様に扁平上皮癌が主体であるにも関わらず、細胞診による診断は主体ではない。その理由に口腔細胞診診断医の不足もあり、早期発見につながっていない。これまでは、DIGITSによるdeep learningによる画像診断の仕組みを学び、パノラマ画像を用いて唾石や骨折の検出を行い、検出力について報告してきた。
現在、MATLABOを用いて、多くの画像から細胞質および核を効率よくセグメンテーションをするプログラムを作成し、教師用の細胞診画像の効率的な学習に取り組んでいる。セグメンテーションには、FCN、U-Net、Mask R-CNNなどのアルゴリズムがあります。これらのアルゴリズムは、ピクセルごとに物体を分割し、ラベルを自動的に付けることを進め、また、Data Augmentation、オープンソースの画像データセットを使用により効率化を進めている。しかしながら、細胞の色により、診断精度に差が生じるなどの問題もあり、これらの教師データ画像を効率増やすことで解消していく予定である。細胞の核の異型のみではなく、細胞の凝集などによる診断についても現在進めている。
細胞診だけではなく、蛍光in situハイブリダイゼーションでの核内部の遺伝子異常の検出も試みている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
細胞診画像は、細胞の重なり合いやパパニコロウ染色による細胞染色性の違いのため、細胞の自動認識できず、診断精度が低下することが生じ、その改善に現在努めています。
|
| 今後の研究の推進方策 |
私の所属する大学ではmatlaboを取り入れたため、導入し、専門家と直接相談しながら、問題点の解決をしていく。また、歯科領域のAIの専門の方々と学会を通じてネットワークを形成し、今後も研究を推進していく予定である。
|
| 次年度使用額が生じた理由 |
本年度は検出のプログラムの作成に要したため、ハードディスクなどの画像処理にかかわる物品の購入が主になっていため、次年度に持ち越しが生じました。次年度は蛍光in situ ハイブリダイゼーションのためにプローブ試薬作成費用に使用する予定です。
|
