A fundamental research on curation and verification methods of learning data to promote AI-CAD development

学习数据管理和验证方法的基础研究，促进AI-CAD发展

• 批准号: 21K07636
• 负责人: 野口 智幸
• 金额: $ 2.66万
• 依托单位: National Hospital Organization, Kyushu Medical Center (Clinical Institute)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K07636/
• 关键词: 深層学習; 人工知能; 医用画像; 画像診断; 医用画像用部位分類; 虫垂炎; AI

人間が行う「知的判断」を、コンピュータが行うAI技術が注目を集めて久しい。特に、自律的に学習・判断を行う「深層学習型AI」は、画像判定について飛躍的な発展を遂げている。その反面、AIによる判定プロセスは「ブラックボックス」とされ、AIの基礎知見について体系的に研究・検証されないまま、AI実装システムの製品化が先行している。こうした実用先行型開発は、間違った判定によるシステムエラーに対し脆弱である。このリスクを避けるためにはAI判定プロセスを理解する基盤的研究が不可欠であると考えている。本基礎研究では①医用画像など医療情報の収集・選別・調整等を行う学習データキュレーションの研究、②AI-CADについて客観的かつ効率的に実施可能な性能適正検証法の研究、③AI-CAD開発技術者との共同研究を仲介しつつ、医療側の立場からAI-CAD開発を支援できる医療系AIジェネラリスト従事者の育成、を推進する。初年度には①学習データキュレーション研究として、我々は、学習データに潜在する不整合データを取り除く方法として、最大98%の不整合データ除去するREDAKTO（リダクト）法を考案した。②AI-CAD性能の適正な検証法研究として、我々は、10分割交差検定法に統計学的手法を取り入れ、時間コストを低減しつつ検証精度を担保するG-Epoc法を考案した。③医療系AIジェネラリストの育成として、①②の研究を若手研究員と共働で解析し、(1) 導入すべき医療領域の優先順位、(2) 資金量や設備、 (3) 開発メンバー構成と役割、(4) 開発手順や導入手法、(5)リスク管理、について理解し、具体的な施策を講ずる過程を経験させた。次年度には①として、不整合データの根本原因である医用画像用の身体部位分類の標準化について研究を推進した。

The human world has a "judgment of knowledge", and the AI technology has a long history. Special, self-disciplined learning, judgment,"deep learning AI", portrait judgment, leap forward development, and so on. On the other hand, AI is the first choice for judging whether the AI system is suitable for research and evaluation, and AI is the first choice for productization of AI system. This is the first time that we've been able to use this technology to determine if we're vulnerable. The study of the base plate is indispensable for the determination of AI. This basic research includes (1) research on the collection, classification, and adjustment of medical images and medical information,(2) research on the implementation possibility of AI-CAD software development efficiency, and (3) research on AI-CAD development engineers, and (4) research on AI-CAD development support from the medical side. In the first year, the REDAKTO method was used to study the potential disconformity of learning data and to eliminate up to 98% of disconformity. (2) A study of AI-CAD performance calibration method. The G-Epoc method is used to investigate the statistical method of 10-segment cross difference calibration method. (3) The development of AI in the medical department;(2) the analysis of the research team;(1) the priority of introduction into the medical field;(2) the amount of funds and equipment;(3) the composition and service of development projects;(4) the development process and introduction method;(5) the process of management, understanding and specific policy. In the next year, the research on standardization of body part classification for medical portraits will be promoted due to the root causes of unconformity.

项目成果

「骨粗鬆症性椎体骨折に対する経皮的椎体形成術を安全に行うための指針」の概説と課題についてOutline and issues of the Guideline for safe percutaneous vertebroplasty for osteoporotic vertebral body fracturesin JAPAN

日本骨质疏松性椎体骨折安全经皮椎体成形术指南的概要和问题

• 发表时间: 2021
• 作者: Noguchi T;Yamashita K;Kamei R;Maehara J;Furuya K;Harada S.;野口智幸;野口智幸;野口智幸;野口智幸
• 通讯作者: 野口智幸

進行膵癌の仙骨転移に経皮的椎体形成術（PVP）を行った一例

经皮椎体成形术（PVP）治疗晚期胰腺癌骶骨转移一例

• 发表时间: 2022
• 作者: 野口智幸;亀井僚太郎;前原純樹;足達咲紀;松浦秀司;古谷清美;原田詩乃;加来豊馬
• 通讯作者: 加来豊馬

Interobserver Reliability on Intravoxel Incoherent Motion Imaging in Patients with Acute Ischemic Stroke

急性缺血性中风患者体素内不相干运动成像的观察者间可靠性

• DOI: 10.3174/ajnr.a7486
• 发表时间: 2022
• 期刊: AJNR Am J Neuroradiol
• 作者: Yamashita K;Kamei R;Sugimori H;Kuwashiro T;Tokunaga S;Kawamata K;Furuya K;Harada S;Maehara J;Okada Y;Noguchi T
• 通讯作者: Noguchi T

椎骨三分位穿刺（VETERAN）法による椎骨穿刺のシミュレーション分析A simulation analysis of vertebral puncture by the vertebral tertile area needling (VETERAN) method

椎体三分区针刺法（VETERAN）椎体穿刺的模拟分析

• 发表时间: 2022
• 作者: Noguchi T;Yamashita K;Kamei R;Maehara J;Furuya K;Harada S
• 通讯作者: Harada S

CyPos賞銅賞：An effective fail-safe alert system handling significant unexpected findings (SUFs) in radiological reports 画像診断レポートでの予期せぬ重大所見（SUF）に関する医療安全対策

CyPos 铜奖：处理放射报告中重大意外发现 (SUF) 的有效故障安全警报系统 有关放射报告中意外重大发现 (SUF) 的医疗安全措施

• 发表时间: 2021
• 作者: 野口智幸;山下孝二;進政太郎;和田憲明;原田詩乃
• 通讯作者: 原田詩乃