权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Development of advanced quantitative MRI of placental invasion

胎盘侵犯先进定量 MRI 的发展

基本信息

批准号：
20K16687
负责人：
佐藤友美
金额：
$ 2.5万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K16687/
关键词：
癒着胎盤 MRI 機械学習 AI 定量MRI 放射線科産婦人科

项目摘要

東北大学病院AIラボと連携し、機械学習を用いた、癒着胎盤のMRI画像診断研究を行った。一般的には日常診療において、放射線科医が画像読影する際には、画像だけではなく、幅広い臨床情報を考慮に入れる。機械学習においても、画像データのみの学習ではなく、放射線科医が考慮に入れるような臨床情報を組み込んだ予測モデルが有用ではないかと考え、本研究では、臨床情報を組み込む方法を採用した。画像データは放射線診断専門医が、AIラボ内で作成されたソフトウェアを用いて、手動で胎盤輪郭を囲い、領域抽出したものを用いた。臨床情報は、癒着胎盤のリスク要因として知られている、帝王切開の既往などを採用した。画像データのみ、臨床情報のみ、画像データ＋臨床情報のそれぞれの予測モデルを比較すると、画像データ＋臨床情報の予測モデルが最も高いAUCを示した。画像と臨床情報を与えられた状態での放射線科医の読影実験との比較も行った。産婦人科領域を専門とする放射線診断専門医、産婦人科領域を専門としない放射線診断専門医、専攻医との比較では、機械学習による画像データ＋臨床情報の予測モデルは、産婦人科領域を専門とする放射線診断専門医と同等のAUCを示し、婦人科領域を専門としない放射線診断専門医、専攻医よりも高いAUCを示した。本研究では、既存の研究よりも簡便なモデル（convolutional neural network）を用いているにもかかわらず、高い診断能を達成しており、将来の臨床への機械学習の応用を考慮する点でも意義があると考える。

Tohoku University Hospital conducted MRI diagnostic research on placenta in conjunction with AI and mechanical learning. The general diagnosis and treatment, radiology and imaging, imaging and imaging, clinical information into account Machine learning, imaging, learning, radiology, radiology, radiology. The image is used to diagnose the radiation, and the AI is used to create the placenta. Clinical information is needed to understand the placenta and the history of the emperor. Picture data, Clinical data, Picture data + Clinical data, Prediction data, Comparison data, Picture data + Clinical data, Prediction data, Maximum data AUC Clinical information and radiology information Radiology Department of Gynecology Department of Gynecology Department of Gy This study aims to explore the implications of existing research methods for the application of continuous neural networks (CNNs) and high diagnostic capabilities for the consideration of future clinical applications for mechanical learning.