大腸粘膜下層剥離術における穿孔予防のため人工知能による危険認識システムの構築

大腸腫瘍に対する内視鏡的粘膜下層剥離術における穿孔を予防するためにAIによる内視鏡画像の自動認識システムの構築を目指して今回の研究を行っている。2020年は学習用治療データのアノテーション、システム構築をした。精度管理を行い、AIでは穿孔を起こしそうな危険な操作の80％程度の感知が可能であった。欧州内視鏡学会でそのことを報告した。2021年はさらに精度を上げるためにハイビジョンで撮影された治療動画のアノテーションを行った。構築したシステムで精度管理を行ったが80％弱の感知に留まり改善は見られなかった。2022年からは動画から1秒（60フレーム）毎に1フレームを静止画として抽出し、semantic segmentation (segmentation法）によるラベリングを行った。これは画像の1ピクセルごとに対してラベル付けを行う手法であり、この手法で学習したAIは対象画像から描出されている組織やデバイスごとに領域を分割して表示することができる。ただ1画像に詳細にラベリングをしていくためかなりの時間を要するため、研究延長を申請をさせていただいた。

大腸腫瘍に対する内視鏡的粘膜下層剥離術における穿孔を予防するためにAIによる内視鏡画像の自動認識システムの構築を目指して今回の研究を行っている。2020年は学習用治療データのアノテーション、システム構築をした。精度管理を行い、AIでは穿孔を起こしそうな危険な操作の80％程度の感知が可能であった。欧州内視鏡学会でそのことを報告した。2021年はさらに精度を上げるためにハイビジョンで撮影された治療動画のアノテーションを行った。構築したシステムで精度管理を行ったが80％弱の感知に留まり改善は見られなかった。2022年からは動画から1秒（60フレーム）毎に1フレームを静止画として抽出し、semantic segmentation (segmentation法）によるラベリングを行った。これは画像の1ピクセルごとに対してラベル付けを行う手法であり、この手法で学習したAIは対象画像から描出されている組織やデバイスごとに領域を分割して表示することができる。ただ1画像に詳細にラベリングをしていくためかなりの時間を要するため、研究延長を申請をさせていただいた。