| 研究課題/領域番号 |
22K07797
|
|---|
| 研究機関 | 愛媛大学 |
|---|
研究代表者 |
松田 恵 (武智恵) 愛媛大学, 医学部附属病院, 准教授 (40600656)
|
|---|
| 研究分担者 |
松田 卓也 愛媛大学, 医学系研究科, 助教 (10837123)
小川 遼 大阪大学, 大学院医学系研究科, 特任助教(常勤) (50895654)
城戸 輝仁 愛媛大学, 医学系研究科, 教授 (50403837)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2026-03-31
|
| キーワード | 乳癌 / 乳腺MRI / Synthetic MRI / 定量マッピング / 人工知能 / レディオミクス特徴量 / 機械学習 |
|---|
| 研究実績の概要 |
・本研究の目的は、手法A（Synthetic MRIから得たマッピング画像（造影前後のT1値・T2値、PDの3種類の定量マップ画像 合計6種類）から作成したAIモデルを用いる）、手法B（放射線科医によるBI-RADSでのカテゴリー 分類）の2種類の方法で乳腺病変の良悪性判定を行い診断能を比較すること、現在の乳腺MRIでの良悪性判定法の標準手法である手法BよりもSynthetic MRIとAIを使うことで診断能の高い手法Aを開発することである。
・令和5年度は、主に本研究目的のうち手法Aにあたる、Synthetic MRIから得たマッピング画像から作成したAIによる良悪性判定プログラム作成、診断能の評価に関して作業を行った。手法Aに関しては、これまでの検討により、検討症例数などを考慮して当初予定していたDeep Learningを用いるのではなく、準備した学習画像からレディオミクス特徴量を抽出し、機械学習によるモデル作成を行う方針とした。
・具体的には、令和5年度には、レディオミクス特徴量抽出のための学習画像（185病変）の準備、トリミング作業、テスト用病変（72病変）の準備を行った。学習画像の形式（jpeg→DICOM）やトリミングの手法（炬型→セグメンテーション）は、診断能向上を目指し令和4年度から変更した。また、テスト用病変の画像準備も実施した。学習用画像と同様に、DICOM形式でマッピング画像のデータを抽出した。レディオミクス特徴量抽出の際には、造影MRI画像を参考にマッピング画像上での病変の部位や形状などを把握し、セグメンテーションを行うが、造影MRI画像で設定した病変の範囲をマッピング画像上に転写することができれば、マッピング画像上で、より正確なセグメンテーションが可能と思われる。造影MRI画像とマッピング画像の間の位置ズレを考慮した転写の手法について検討し、学会発表を行った。
|
| 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
令和5年度もまだ新型コロナウイルス感染症の影響（特に前半）、研究分担者の所属変更などがあり、対面でのミーティング開催が難しかったことなどが原因で、研究の進捗に若干の遅れが生じた。
|
| 今後の研究の推進方策 |
・手法Aに関しては、診断能向上を目指して、引き続きモデル作成の手法などについて継続して検討する。
・マッピング画像以外の乳腺MRIの画像所見、その他の臨床情報の収集は、今後行っていく。
・手法Bに関しては、現在、学習用病変185病変のカテゴリー分類を2人の放射線科医によって実施中である。引き続き行う。その他、テスト用病変72病変も同様にBI-RADSによるカテゴリー分類を行い、診断能を算出し、手法Aと比較する。
|
| 次年度使用額が生じた理由 |
令和5年度は作業の遅れが生じたため、学会での成果発表などが思ったようにできず旅費の支出が想定より少なかった。令和6年度は、国内外での学会での研究成果発表、本研究の参考となるような乳腺病変のMRI診断に関する学会への参加、研究手法に関する現地でのミーティングへの参加のための旅費、データ管理用SSD購入などに経費を使用する予定である。
|
