2020 Fiscal Year Annual Research Report
AIに基づく外科医の術中技能の定量化による次世代低侵襲手術手技訓練システム
| Project/Area Number |
19H04139
|
|---|
| Research Institution | Okayama University |
|---|
Principal Investigator |
諸岡 健一 岡山大学, 自然科学研究科, 教授 (80323806)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大内田 研宙 九州大学, 大学病院, 講師 (20452708)
宮内 翔子 九州大学, システム情報科学研究院, 助教 (40828555)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 低侵襲手術 / 手術手技訓練システム / 実時間有限要素解析 |
|---|
| Outline of Annual Research Achievements |
当該研究は，腹腔鏡下手術の安全性・確実性の向上を目指し， 申請者が有する実時間有限要素解析システム(neuroFEM) と，術中内視鏡画像を 融合することで，手術中の外科医の手術手技と，それに伴う人体組織の振舞いを計測し，それに基づいた次世代の低侵襲手術手技訓練システム の開発を目的とする.
令和２年度では，令和元年度で構築した，異なる物性の組織間の相互作用を考慮した実時間有限要素解析システムmultiphysics DeepFEM (mDeepFEM) の推定精度向上を目指し，現在のmDeepFEMのネットワークの構造の最適化を行った．具体的には，mDeepFEMは，位置と周囲からの応力の時系列データを入力することで，臓器変形を推定する．そこで，時系列データを扱えるニューラルネットワークの１種であるリカレントニューラルネットワーク（Recurrent Neural Network: RNN）をmDeepFEMに導入した．その結果，RNNを導入する前と比べ，RNNを導入したmDeepFEMによる変形推定精度が向上できた．
また，内視鏡画像から術具領域を自動的に抽出するシステムについて研究を行った．このシステム開発では，術具が写っている内視鏡画像から，術具領域をラベル付けした学習データからなるデータベースが不可欠である．そのため，大量の内視鏡画像を収集し，各画像から術具領域を手動で抽出・ラベル付けを行った．また，術具検出システムの基盤技術開発を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
コロナ禍による研究活動の制限により，予想外に研究が進まないことがあった．mDeepFEMの構築は，年度末までにはおおむね計画通り研究を進めることができた．一方，術具検出については，上記の理由により，データベースの構築に時間を要し，令和２年度は術具検出システムの基盤技術開発を行った．
|
| Strategy for Future Research Activity |
現在mDeepFEMの構築を行っており，今後も続けていく予定である．一方，構築中のデータベースを用いて，内視鏡画像から術具領域を自動的に抽出するシステムを開発する．
|
