研究期間 | 2019/4/1 - 2020/3/31 |
研究課題名 | 【終了】循環器超音波画像を用いた人工知能による自動診断技術の開発 |
カテゴリー | 全てのクラスター、研究クラスター一覧、医学、終了した研究クラスター、臨床、工学、情報 |
SDGs | 3.保健 |
応募課題 | |
クラスター長氏名 | 楠瀬 賢也(病院、循環器内科、助教) |
所属する研究者氏名 | 芳賀昭弘(医用画像情報科学専攻 教授) 阿部考志(放射線科学 助教) 松元 友暉(放射線科学 特任助教) 佐田政隆(循環器内科学 教授) 原田雅史(放射線科学 教授) |
研究概要 | 診断に必要な制御則をコンピューターが自らtry and errorを繰り返して抽出した特徴を学習することで,最適解を見つけ出すDeep Learningがあらゆる分野での利用が進み始めている.Deep Learningは機械学習の一種であるが,その内部構造や学習手法が高度に洗練されたことにより,従来の機械学習よりも精度の高い結果が得られるようになりつつある. 医学領域において,Deep Learningを用いた画像診断能向上に関しては,放射線科領域で使われ始めてきており,自動診断能力の向上に寄与している.循環器領域において,循環器疾患数は増加の一途をたどっているにも関わらず,このような機械学習の研究,特に画像診断における報告は僅かである. 循環器疾患では,特に虚血性心疾患は救急外来でも頻度が高く、直に生命に関わる病態であり、瞬時の判断と対応が求められる.診断のゴールドスタンダードは心臓超音波検査であり,心機能の把握および治療方針決定のための超音波画像評価は重要である.しかし,超音波画像の評価は検査者の経験によるところが多く,見逃しなどが問題となる.また,発展途上国では超音波ポータブル機器が広く使われているが,検査者の技術に依らない自動診断技術は診断能の向上に寄与すると考えられる. そこで本クラスターでは,人工知能技術を用いて,データベースにある様々な循環器超音波画像を用い学習モデルを作成,自動診断の可能性の検討および自動診断ソフトウェアの開発,社会実装を目的とする. |
研究概要図 | |
研究者の役割分担 | 楠瀬賢也:研究計画・立案・データ収集 芳賀昭弘:プログラミング,解析 阿部孝志:プログラミング,解析 松元 友暉:プログラミング 佐田政隆:スーパーバイザー 原田雅史:スーパーバイザー |