| 研究課題/領域番号 |
22K09353
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
藤森 孝人 大阪大学, 大学院医学系研究科, 助教 (80546888)
|
|---|
| 研究分担者 |
鈴木 裕紀 大阪大学, 大学院医学系研究科, 特任助教(常勤) (20845599)
武中 章太 大阪大学, 大学院医学系研究科, 招へい教員 (40795861)
海渡 貴司 大阪大学, 大学院医学系研究科, 特任准教授 (70623982)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2026-03-31
|
| キーワード | 側弯症 / 深層学習 / AI / 自動化 |
|---|
| 研究実績の概要 |
本研究では、特発性側弯症の進行メカニズムの予測と病態解明に取り組んでいる。AI技術の一つであるDeep learningを利用し、画像解析を行うことで、新たな
知見を得ることを目指した。AIを用いて、経過観察例、装具治療例、手術治療例などの初期および経過後の画像データを学習させた。具体的な研究内容として、画像パラメータ評価の自動化に注力した。特発性側彎症の症例の収集を行った。当院、及び多施設から症例を収集した。これらに対して アノテーション作業を行い、計測に必要なランドマークを抽出した。このランドマークをもとに、いくつかのパラメータ（主胸部曲線（MT）、冠状バランス、T1傾斜、胸椎前弯（TK）、腰椎前弯（LL）、仙骨傾斜（SS）、骨盤入射（PI））が算出された。AIモデルについては、データセットをトレーニン
グデータとテストデータに分割した。グランドトゥルースとAI測定値の間の誤差を算出した。5分割交差検証を行い、誤差は４～５度との結果を得た。正面像での誤差は許容範囲であるが、側面像での誤差はやや大きかった。
追加のデータセットを入手し、外的検証を行った。今後、論文化する予定である。
|
| 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
画像計測については、まとめの段階に入った。
|
| 今後の研究の推進方策 |
今後は、現在までの内容を論文化する。さらに生成AIについての研究を行う。
|
| 次年度使用額が生じた理由 |
GPUが高騰しているため、価格の下落をまって購入することにした。
|
