Visualization of decision making process in endovascular treatment and proposal of preoperative plannind method

血管内治疗决策过程可视化及术前计划方法提出

基本信息

  • 批准号:
    22K12841
  • 负责人:
  • 金额:
    $ 2.41万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
  • 财政年份:
    2022
  • 资助国家:
    日本
  • 起止时间:
    2022-04-01 至 2025-03-31
  • 项目状态:
    未结题

项目摘要

本研究は,強化学習における報酬という定量化可能な指標を用いて血管内治療における医師の判断を可視化することである.研究初年度である本年度は,2つの技術に取り組んだ.一つは血管内治療を模擬した強化学習において,報酬がデバイスの操作にどのような影響をおよぼすか?である.二つ目は,報酬を算出する根拠になるデバイスの応答性(手元操作量とデバイス先端の移動量の比率)を,現実に存在する様々な血管形状で実験的手法を用いて取得する技術の開発である.前者については,報酬を任意の値に設定する.さらに,危険な場所を仮定し,それを回避すると思われる報酬分布を手動で設計することにより,押す操作や回転操作の重要性を調べた.その結果,危険な場所の反対側の押す操作に対する報酬を高くすることにより危険な場所の回避率は上昇した.また,危険な場所の直前の回転操作に対する報酬の操作では回避率に大きな影響は表れなかった.以上のことから,術者は危険な場所が存在する場合,反対側を押すことを強く意識し,直前での回避操作(回転操作)は重要でないと考えている可能性が示唆された.後者については,研究協力者である医師に,実際に遭遇する典型的な血管形状をイラスト化してもらい,それに基づいた2次元的な血管模型を作製した.その血管模型内にデバイスを挿入し,その時のデバイス挙動を画像処理によって定量評価した.またそれらの値についてガウス過程回帰やサポートベクターマシーンなどを用いて,影響をおよぼす因子について分析した.その結果,例えば,遠位側血管中心線ねじり回数,遠位側屈曲数,遠位側血管中心線のSUM(θ)/L が大きな値であるほど操作が困難になることを明らかにした.ただしこれらの因子は複雑に絡み合っており,明確にするためには深層機械学習などによる,より高度なデータ分析が必要あろうということが分かった.
は, reinforcement learning に お け る remuneration と い う quantified may be using い な index を て endovascular treatment に お け る の doctors determine whether the を visualization す る こ と で あ る. In the first year of the study, である. In the current year, である. The 2 に <s:1> technology に is taken from the んだ group. A つ は を endovascular treatment simulation し た reinforcement learning に お い て, remuneration が デ バ イ ス の operation に ど の よ う な influence を お よ ぼ す か? Youdaoplaceholder0. Two つ は, remuneration を calculate す る root 拠 に な る デ バ イ ス の 応 answer sex (hand operation quantity と デ バ イ ス apex の mobile の ratio) を, now be に exist す る others 々 な vascular shape で be 験 gimmick を with い て obtain す る technology の open 発 で あ る. The former に, に て, て, て, and the reward を is set arbitrarily at <s:1> value に する. さ ら に, dangerous 険 な places を 仮 し, そ れ を avoid す る と think わ れ る remuneration distribution を design manual で す る こ と に よ り, detain す や back planning operation の importance を adjustable べ た. そ の results, dangerous 険 な places の reverse side の and seaborne す operation に す seaborne る を high remuneration く す る こ と に よ り dangerous 険 の な places to avoid rate rising は し た. ま た, dangerous 険 な places の way の back planning operation に す seaborne る remuneration の operation で は avoid rate に big き な は table れ な か っ た. Above の こ と か ら, performer は dangerous 険 が な places exist す る occasions, reverse side を and seaborne す こ と を し く consciousness, march forward で の avoidance operation planning operation (back) は important で な い と exam え て い が る possibility in stopping さ れ た. The latter に つ い て は, study together で あ る physician に, be interstate に encounter す る typical な vascular shape を イ ラ ス ト change し て も ら い, そ れ に base づ い た な vascular model of two dimensional を cropping し た. そ の vascular model に デ バ イ ス を scions into し, そ の when の デ バ イ ス 挙 dynamic を portrait 処 Richard に よ っ て quantitative evaluation 価 し た. ま た そ れ ら の numerical に つ い て ガ ウ ス process back 帰 や サ ポ ー ト ベ ク タ ー マ シ ー ン な ど を with い て, affect を お よ ぼ す factor に つ い て analysis し た. そ の as a result, the cases of え ば, far lateral vascular centerline ね じ り back number, as a number of lateral buckling, as a side of vascular centerline の SUM (theta)/L が き な numerical で あ る ほ ど が difficult operation に な る こ と を Ming ら か に し た. た だ し こ れ ら の factor は complex 雑 に collaterals み close っ て お り, clear に す る た め に は deep rote learning な ど に よ る, よ り highly な デ ー タ analysis が necessary あ ろ う と い う こ と が points か っ た.

项目成果

期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
血管形状情報から挿入された血管内治療デバイスの形状と接触力分布を推定する方法
一种根据血管形状信息估计插入的血管内治疗装置的形状和接触力分布的方法
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Nishiyama Mitsuru;Iwasaki Yasumasa;Nakayama Shuichi;Okazaki Mizuho;Taguchi Takafumi;Tsuda Masayuki;Makino Shinya;Fujimoto Shimpei;Terada Yoshio;餅田 純平,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;末田 悠真,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;森永 舞,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;宮島 昂史,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;篠田 拓也,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
  • 通讯作者:
    篠田 拓也,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
学習データを用いた血管内治療デバイス先端の血管内での挙動の推定に関する研究
利用学习数据估计血管内治疗装置尖端血管内行为的研究
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Nishiyama Mitsuru;Iwasaki Yasumasa;Nakayama Shuichi;Okazaki Mizuho;Taguchi Takafumi;Tsuda Masayuki;Makino Shinya;Fujimoto Shimpei;Terada Yoshio;餅田 純平,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
  • 通讯作者:
    餅田 純平,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
Position Based Dynamicsを利用した血管内治療デバイスの挿入シミュレーション
使用基于位置的动力学进行血管内治疗装置的插入模拟
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Nishiyama Mitsuru;Iwasaki Yasumasa;Nakayama Shuichi;Okazaki Mizuho;Taguchi Takafumi;Tsuda Masayuki;Makino Shinya;Fujimoto Shimpei;Terada Yoshio;餅田 純平,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;末田 悠真,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;森永 舞,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;宮島 昂史,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
  • 通讯作者:
    宮島 昂史,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
応答曲面を用いたガイドワイヤーの応答性の評価
使用响应面评估导丝响应性
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Nishiyama Mitsuru;Iwasaki Yasumasa;Nakayama Shuichi;Okazaki Mizuho;Taguchi Takafumi;Tsuda Masayuki;Makino Shinya;Fujimoto Shimpei;Terada Yoshio;餅田 純平,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;末田 悠真,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
  • 通讯作者:
    末田 悠真,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
血管内治療デバイスに与えられる押す/回転操作に対する応答性の測定
测量应用于血管内治疗装置的推动/旋转操作的响应性
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Nishiyama Mitsuru;Iwasaki Yasumasa;Nakayama Shuichi;Okazaki Mizuho;Taguchi Takafumi;Tsuda Masayuki;Makino Shinya;Fujimoto Shimpei;Terada Yoshio;餅田 純平,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;末田 悠真,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊;森永 舞,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
  • 通讯作者:
    森永 舞,森 浩二,高嶋 一登,当麻 直樹,斉藤 俊
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

森 浩二其他文献

銀河系内超新星残骸のX線精密分光観測
河道内超新星遗迹的精确X射线光谱观测
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    勝田 哲;常深 博;森 浩二;内田 裕之
  • 通讯作者:
    内田 裕之
NGHXTで狙うブラックホールのサイエンス (Survey of Missing Black Holes with NGHXT)
使用 NGHXT 调查失踪黑洞
  • DOI:
  • 发表时间:
    2016
  • 期刊:
  • 影响因子:
    0
  • 作者:
    上田佳宏;信川正順;寺島雄一;久保田あや;森 浩二;鶴剛;中澤知洋;粟木久光;高橋忠幸;井上 一;NGHXTチーム
  • 通讯作者:
    NGHXTチーム
ステントにおけるセル・リンクの寸法比が力学特性におよぼす影響(実験による検討)
细胞连接尺寸比对支架机械性能的影响(实验研究)
すざく衛星によるVela xの観測
朱雀卫星对 Vela x 的观测
  • DOI:
  • 发表时间:
    2007
  • 期刊:
  • 影响因子:
    0
  • 作者:
    森 浩二;et. al.
  • 通讯作者:
    et. al.
ステントの多目的最適設計
支架多用途优化设计

森 浩二的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('森 浩二', 18)}}的其他基金

終端衝撃波のX線撮像分光による銀河系内最強加速器「カニ星雲」の加速機構の解明
利用终端冲击波的X射线成像光谱阐明银河系最强加速器蟹状星云的加速机制
  • 批准号:
    21H01095
  • 财政年份:
    2021
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
大動脈弓部に留置されたステントグラフトの変形様式の解明
阐明主动脉弓内覆膜支架的变形模式
  • 批准号:
    16700362
  • 财政年份:
    2004
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Grant-in-Aid for Young Scientists (B)

相似海外基金

Learning to Reason in Reinforcement Learning
在强化学习中学习推理
  • 批准号:
    DP240103278
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Discovery Projects
Collaborative Research: CDS&E: Generalizable RANS Turbulence Models through Scientific Multi-Agent Reinforcement Learning
合作研究:CDS
  • 批准号:
    2347423
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Standard Grant
CAREER: Stochasticity and Resilience in Reinforcement Learning: From Single to Multiple Agents
职业:强化学习中的随机性和弹性:从单个智能体到多个智能体
  • 批准号:
    2339794
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Continuing Grant
計測・通信品質が保証されない環境下の多目的フィードフォワード最適制御と強化学習
测量和通信质量无法保证环境下的多目标前馈最优控制和强化学习
  • 批准号:
    23K20948
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
遅延を考慮した非同期分散型マルチモジュール・タイムスケール深層強化学習の開発
考虑延迟的异步分布式多模块时间尺度深度强化学习的开发
  • 批准号:
    23K21710
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
強化学習を用いた分散制御によるネットワーク信号制御の最適化に関する研究
基于强化学习的分布式控制网络信号控制优化研究
  • 批准号:
    23K26216
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
深層強化学習を用いた運動ノイズの影響を最小化する運動制御推定フレームワークの構築
使用深度强化学习构建运动控制估计框架,最大限度地减少运动噪声的影响
  • 批准号:
    24KJ2223
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
強化学習モデル・ネットワーク分析によるサイコパシーの情報処理メカニズムの解明
利用强化学习模型和网络分析阐明精神病态的信息处理机制
  • 批准号:
    24K16865
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
汎用かつ再利用可能な方策に基づく階層強化学習
基于通用和可重用策略的分层强化学习
  • 批准号:
    23K28140
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
リスクの不確実性に対処する自律分散型マルチエージェント強化学習の研究開発
应对风险不确定性的自主分布式多智能体强化学习研发
  • 批准号:
    24K20873
  • 财政年份:
    2024
  • 资助金额:
    $ 2.41万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了