| 研究課題/領域番号 |
20KK0234
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
|---|
| 研究分担者 |
岩本 祐太郎 立命館大学, 情報理工学部, 助教 (30779054)
韓 先花 山口大学, 大学院創成科学研究科, 准教授 (60469195)
古川 顕 東京都立大学, 人間健康科学研究科, 教授 (80199421)
金崎 周造 滋賀医科大学, 医学部, 非常勤講師 (90464180)
西川 郁子 立命館大学, 情報理工学部, 教授 (90212117)
|
|---|
| 研究期間 (年度) |
2020-10-27 – 2026-03-31
|
| キーワード | 肝臓がん診断支援 / 深層学習 / 弱教師学習 / 計算解剖モデル / 肝臓セグメンテーション / 腫瘍検出とセグメンテーション / 肝臓がん再発予測 / アテンション機構 |
|---|
| 研究実績の概要 |
2021年度は深層学習を用いた肝臓がんの診断支援を目的に以下の国際共同研究成果が得られた。
(1) 自然画像に比べ、学習に利用できるアノテーションされた医用画像が非常に少ない。少ない学習データでも高精度に医用画像解析ができるように、人体の解剖知識と臓器の解剖モデルを先験知識として人工知能モデルに組み込むDeep Atlas Prior法を提案し、肝臓や脾臓などのセグメンテーションに高い精度を実現した。その成果は医用画像のトップ学術誌IEEE TMI (IF 10.094)で発表した。また、グラフ深層学習ネットワークを用いた半教師学習による高精度な臓器セグメンテーション法と高解像度を維持した３次元臓器セグメンテーション法を開発した。それぞれの成果は、医用画像解析分野のトップ国際学会MICCAI2021で発表した。
(2) 弱教師学習による高精度な肝臓腫瘍検出法を開発した。従来の肝臓腫瘍検出の学習に、膨大な腫瘍れベールのアノテーションが必要であり、時間と労力がかかる。本提案法は、画像レベルのアノテーションだけ、高精度な肝臓腫瘍検出ができるようになった。本研究生かは医工学分野のトップ国際学会IEEE EMBC2021で発表した。
(3) Phase AttentionとUncertain Region Inpaintingを用いた高精度な肝臓腫瘍のセグメンテーション法を開発した。それぞれの成果は、国際学術誌Medical Physics (IF 4.21)と医用画像解析分野のトップ国際学会MICCAI2021で発表した。
上記の共同研究成果以外に、国際連携交流として、２ヶ月に一度三大学（立命館大学（日本）、浙江大学（中国）、インド工科大学（インド））によるオンライン国際連携研究交流会を開催している。毎回各大学から学生１名が最新の研究成果を紹介する。三大学の教員が共同指導する。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
(1) 共同で多くの研究成果を出すことができ、トップ学術誌（IEEE TMI, IEEE TIP）とトップ国際学会（ICCV, MICCAI, EMBCなど）に発表した。
(2) 国際連携交流として、２ヶ月に一度三大学（立命館大学（日本）、浙江大学（中国）、インド工科大学（インド））によるオンライン国際連携研究交流会を開催している。毎回各大学から学生１名が最新の研究成果を紹介する。三大学の教員が共同指導する。学生の研究能力を向上させるだけではなく、国際視野と国際ネットワークを広げることができた。
|
| 今後の研究の推進方策 |
これまで、肝臓がん診断支援に必要な肝臓セグメンテーションと腫瘍の自動検出とセグメンテーション法を開発してきた。今後は、肝臓腫瘍の鑑別、肝臓がんの早期再発予測および肝臓がんの重症度と関連の深い微小血管浸潤などの課題についても研究進めていく。また、血液検査結果などの臨床結果や医師の診断経験と基準を人工知能モデルに組み込み、高精度な医用人工知能モデルを開発していく。
また、これまでCOVID-19の影響でオンラインしか行って来なかった、国際連携研究交流会を対面で実施する予定である。また、若手研究者や院生を連携先の中国、インドに派遣し、共同研究を行う。
|
| 次年度使用額が生じた理由 |
COVID-19のため、当初予定していた連携先の中国、インドへの訪問ができなかった。また、中国、インドの研究者の日本への招聘もできなかった。次年度は、海外出張ができるようになれば、共同研究に浙江大学やインド工科大学などに出張する予定である。
|
