説明可能なAIと教師なし学習AIによる脊椎疾患の新しい知見を見出す試み

尝试使用可解释的人工智能和无监督学习人工智能来发现有关脊柱疾病的新知识

• 批准号: 22K16734
• 负责人: 牧 聡
• 金额: $ 2.91万
• 依托单位: Chiba University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K16734/
• 关键词: 人工知能; 脊髄損傷; 頚部脊髄症

本研究では脊髄損傷と頚部脊髄症の機能予後を人工知能による画像解析技術であるradiomicsを用いて予測し、人間にも識別可能な客観的な所見を視覚化することを目的としていた。本研究はGrad-CAM、Vision Transformerのattention map、教師なし学習による画像のクラスタリングと実際の予後との比較の3つのアプローチから新しい画像所見の特徴を探索している。その予備研究の一環であるが、いくつかの論文発表が行われた。(Mukaihata, Maki et al. Spine, 2023)では、脊椎感染症と脊椎のModic変化の鑑別において、畳み込みニューラルネットワークを用いた手法が有効であることが示された。また、（Shimizu, Maki et al. J Clin Neurosci, 2023)では、脊髄損傷患者の神経学的予後を予測するために、急性期に行われた手術の効果に関する機械学習ベースのアプローチが有用であることが示された。さらに、(Nozawa, Maki et al. Int J Comput Assist Radiol Surg, 2023)では、症候性頚部脊髄症患者の圧迫された脊髄のMRI画像を畳み込みニューラルネットワークを用いてセグメンテーションする手法が提案された。本研究の意義は、radiomicsを用いて脊髄損傷や頚部脊髄症の機能予後を予測することにより、治療戦略や患者のQOL向上に寄与できる可能性があることである。また、人工知能が着目している画像所見を明らかにし、視覚化することで、医師がより客観的な所見に基づいて診断を行うことができる。本研究の重要性は、従来の予後因子と比較して、radiomicsを用いた新しいアプローチにより、より正確な機能予後の予測が可能となり、治療選択やリハビリ計画の策定に役立つことが期待される。総じて、昨年度に実施した研究では、脊髄損傷と頚部脊髄症の機能予後を予測する新しい方法を提案し、その有用性を論文発表を通じて示すことができた。

This study で は spinal marrow damage と 頚 department を after spinal marrow disease の function to human knowledge に よ る portrait parsing techniques で あ る radiomics を with い て in し, human に も identify possible な を な see see 覚 of guest 観 す る こ と を purpose と し て い た. This study は Grad - CAM, Vision Transformer の attention map, teachers な し learning に よ る portrait の ク ラ ス タ リ ン グ と after the event be の to と の is の 3 つ の ア プ ロ ー チ か ら new し の い portrait had seen trevor 徴 を explore し て い る. Youdaoplaceholder0 そ prepare for the research of the first step であるが, そ く であるが であるが であるが が が われた われた われた われた the publication table of the paper が line われた. (Mukaihata, Maki, et al. Spine, 2023) で は, Spine, adapting just-in-time inventory と Spine の Modic variations change の identify に お い て, 畳 み 込 み ニ ュ ー ラ ル ネ ッ ト ワ ー ク を with い た gimmick が have sharper で あ る こ と が shown さ れ た. ま た, (Shimizu, Maki, et al. J Clin Neurosci, 2023) で は, patients with injury of spinal marrow の を after god 経 learn to be す る た め に, acute に わ れ た surgery の unseen fruit に masato す る rote learning ベ ー ス の ア プ ロ ー チ が useful で あ る こ と が shown さ れ た. Youdaoplaceholder0, (Nozawa, Maki et al. Int J Comput Assist Radiol Surg, 2023) で は, symptomatic 頚 department sufferer spinal marrow の 圧 forced さ れ た spinal marrow の MRI portrait を 畳 み 込 み ニ ュ ー ラ ル ネ ッ ト ワ ー ク を with い て セ グ メ ン テ ー シ ョ ン す る technique proposed が さ れ た. は の meaning, this study radiomics を with い て spinal marrow damage や 頚 department を after spinal marrow disease の function to be す る こ と に よ り 戦 slightly や patients treated, の QOL に send upward で き る possibility が あ る こ と で あ る. ま た, artificial can know が mesh し て い る portraits can see を Ming ら か に し, regard 覚 す る こ と で, physicians が よ り guest 観 に な see the base づ い て line diagnosis を う こ と が で き る. の は importance, this study 従 to の to factor と after comparing し て, radiomics を with い た new し い ア プ ロ ー チ に よ り, よ り な function to the right after の may be が と な り, treatment, sentaku や リ ハ ビ リ project の draw up に servants made つ こ と が expect さ れ る. Annual に 総 じ て, yesterday be applied し た research で は, spinal marrow damage と 頚 department を after spinal marrow disease の function to be す る new し い method proposed を し, そ の usefulness を paper 発 table を tong じ て in す こ と が で き た.

项目成果

人工知能を用いたModic 変性と化膿性脊椎炎の鑑別

使用人工智能区分 Modic 变性和化脓性脊柱炎

• 发表时间: 2022
• 作者: Maenohara Yuji;Chijimatsu Ryota;Tachibana Naohiro;Uehara Kosuke;Xuan Fengjun;Mori Daisuke;Murahashi Yasutaka;Nakamoto Hideki;Oichi Takeshi;Chang Song Ho;Matsumoto Takumi;Omata Yasunori;Yano Fumiko;Tanaka Sakae;Saito Taku;向畑智仁，牧聡，江口和，金勤東，正田純平，折田純久，志賀康浩，稲毛一秀，古矢丈雄，大鳥精司
• 通讯作者: 向畑智仁，牧聡，江口和，金勤東，正田純平，折田純久，志賀康浩，稲毛一秀，古矢丈雄，大鳥精司

敵対的生成ネットワーク（GAN）による脊髄腫瘍のMRI単純画像から疑似造影画像の生成

使用生成对抗网络 (GAN) 从脊髓肿瘤的简单 MRI 图像生成伪对比图像

• 发表时间: 2022
• 作者: 丸山隼太郎

機械学習を用いた日本リハビリテーション・データベースの1877例に基づく大腿骨近位部骨折患者の歩行能獲得予測モデルの構築

基于日本康复数据库的 1877 例病例，利用机器学习构建股骨近端骨折患者步行能力获取的预测模型

• 发表时间: 2022
• 作者: Satoshi Miwa;Ryota Chijimatsu;Hideshi Ishii;Taku Saito;高山泰享，牧聡，折田純久，大鳥精司
• 通讯作者: 高山泰享，牧聡，折田純久，大鳥精司

MRI画像による深層学習を用いた転移性脊椎腫瘍と骨粗鬆症性椎体骨折の鑑別

使用 MRI 图像进行深度学习区分转移性脊柱肿瘤和骨质疏松性椎体骨折

• 发表时间: 2022
• 作者: 黒岩 宇;河野友祐;船橋拓哉;前田篤志;志津香苗; 藤田順之; 鈴木克侍;牧聡，依田隆史，古矢丈雄，高岡宏光，宮本卓弥，沖松翔，志賀康浩，稲毛一秀，江口和，折田純久，大鳥精司
• 通讯作者: 牧聡，依田隆史，古矢丈雄，高岡宏光，宮本卓弥，沖松翔，志賀康浩，稲毛一秀，江口和，折田純久，大鳥精司

OLIF51術中支援を目的とした術中補助内視鏡下総腸骨静脈セグメンテーションモデルおよび物体検出モデルの確立

OLIF51 术中内镜髂总静脉分割模型及术中支持物体检测模型的建立

• 发表时间: 2022
• 作者: 岸本 賢治;高橋 伸典;寺部 健哉;小嶋 俊久;上田玲央斗，野澤京平，牧聡，大鳥精司，折田純久
• 通讯作者: 上田玲央斗，野澤京平，牧聡，大鳥精司，折田純久