- 外科手術ロボット 「da Vinci」（ﾀﾞｳﾞｨﾝﾁ）
6 ：メカ名無しさん[]：2011/11/21(月) 15:13:29.04 ID:+Jbk/lyr - 一つ目の開発目的とした結節の検出と動態描画を行うアルゴリズムについては，一画像あたりの
偽陽性が高い傾向にあるため，医師の読影負担軽減を図るために，この偽陽性数を減少させる手段
をアルゴリズム中に組み込む必要がある．考察として偽陽性アイランドの形状に着目した削減方法
を提案しているが，これらの手法を実効してアルゴリズムのパフォーマンスの向上を図る必要があ
る．最も重要な課題はアルゴリズムの機能評価の手法であり，パイロットスタディとして実行した
模擬結節と健常ボランティアによるシミュレーション評価は十分ではないため，実際の患者データ
を使用した機能評価を行わなければならない．
二つ目の開発目的としたバイオメトリクスアルゴリズムについては，性能評価の際のサンプル数
が充分ではないため，今回の結果は十分な精度が担保できていることを保証出来ない．1％の誤差
を想定した場合の必要サンプル数は300 組となる．また，使用したデータは健常ボランティアであ
るため呼吸機能の低下は想定されていない．臨床導入の可否を正確に検証するためには何らかの疾
患を罹患した被検者を含めた再検証が必要であるため，広くデータ収集をする努力が今後必要とな
る．
また，二つのアルゴリズムに共通する課題は，解析時間の問題である．これは動態マップ作画ア
ルゴリズムの変換過程がボトルネックになっているためであり，この問題の解決が二つのアルゴリ
ズムの解析時間の短縮に大きく影響する．コンピュータハードウェアの処理能力の発達に期待する
と共にソフト的な改善を図る必要がある．また，健常ボランティアに協力を得る画像データ収集方
法は，倫理的な観点から様々な問題が想定されるため，十分な計画と配慮を持って行う必要がある．
最後に呼吸性胸部Ｘ線撮影法については，その普及が強く望まれる．開発されてから間もない新
しい撮影手法であることと，画像の取得に大口径視野を有した撮影システムを必要とすることがネ
ックとなるため，多くの施設において解析対象となる画像データの取得ができない背景にある．多
くの研究者により研究，討議されることが呼吸性胸部Ｘ線撮影法の発展と臨床への還元につながる
ことは言うまでもなく，今後，動態撮影可能なデバイスが広く普及することを望む．
http://ir.nul.nagoya-u.ac.jp/jspui/bitstream/2237/15587/1/k9340.pdf
|
- 外科手術ロボット 「da Vinci」（ﾀﾞｳﾞｨﾝﾁ）
7 ：メカ名無しさん[]：2011/11/21(月) 15:15:01.05 ID:+Jbk/lyr - CAD システムは，コンピュータにより病変を自動検出し，医師に提示することにより病変の見落としを
減少させることを目的としている．また，コンピュータにより病変の良悪性を定量的な数値で医師に
提示することで，医師による客観的な診断を可能にする．このように医師に病変部や病変の良悪性
を提示することで，診断の正確性の向上，診断時間の短縮などが期待されている ．そのためCAD
システムでは，3 次元CT 像からの臓器抽出，臓器の構造解析，病変の検出といった機能が必要
とされる．また，臓器の構造解析や病変の検出精度を向上させるためには，対象臓器を正確に抽出
しておくことが不可欠である．胸部の診断において，気管支は重要な臓器の 1 つである．
http://so-ken.aitech.ac.jp/report/pdf/2010/article/14_Kitasaka.pdf
・ 術場で体験する機会が少ない第八肋間左開胸法等を仮想体験できることは有意義
・ 手技を行うような環境でピットフォールを学習することができる点が有意義
・ 執刀医や助手など個々の位置での仮想体験は助手から執刀医への移行時に有効
http://www.ipa.go.jp/SPC/report/03fy-pro/mito/15-776d.pdf
――医療現場にとって、3D画像はどのように有効なのですか。
例えば、腹部の血管は脂肪に埋もれていることが多い。それをかき分けながら手術を進めますが、
少し間違えると出血に結びつくので、血管や臓器の正確な形や位置を把握するのはとても重要です。
オザイリクスでCT画像を3D化しておけば、ある個所から何センチのところに血管の分岐があるのか
もわかる。血管の分かれ方が通常と違う人もいるため、一人ひとりの画像を現場で確認できるのは
強い助けになります。
http://doraku.asahi.com/hito/runner2/110215_02.html
（４）人体のデジタルアトラスを利用して，非造影3次元腹部CT像から腹部臓器（食道，胃壁，肝臓，
左右腎臓，心臓，胆嚢，脾臓，膵臓，門脈，腹大動脈，下大静脈の計12臓器）を同時抽出する手法
の改善を試みた．改善手法を実際の3次元腹部CT像17症例に適用した結果，基準症例と対象画像
との一致度は，従来よりも平均12.6ポイント向上することが分かった．また，この標準化画像を用い
て複数臓器の同時抽出を行った結果，全臓器で抽出精度が向上した．さらに，2年目は，標準化処理
の効果をより高めるめ，抽出処理全体の階層化を図った．これを同じ症例に適用した結果，全臓器に
対する粗抽出精度はさらに7.2ポイント，比較的抽出の難しい小さな臓器では10ポイントも向上した．
この処理にさらに精密抽出処理を加えることにより，最終的な12臓器抽出精度は74.9％となった．（清水）
http://crdb.ganjoho.jp/search/DRTV050.do?rpno=012008006400000
図４の赤矢印からわかるとおり，Aquilion ONEの血流解析画像では，脳全体の血流低下（青色）
を観察できる。また患者を移動させないため，１回の検査で時間的に連続した血管の描出が可能で，
血管内の血液の流れを観察できるようになった。図４の時相１〜３は，連続した血管像の例である。
造影早期の時相１と時相２では，画像左側の正常な動脈は描出されている（黄矢印）が，
画像右側には動脈の閉塞があり血管が描出されていない。しかし，数秒後の時相３では，
画像右側の動脈が遅れて描出されている（水色矢印）。
http://www.toshiba.co.jp/tech/review/2011/07/66_07pdf/a04.pdf
10 年以上の手術経験をもつ心臓血管外科医 2 名による試用評価を受けた。大動脈への
三種類の到達法（正中切開法、第四肋間左開胸法、第八肋間左開胸法）を仮想体験して
いただいた後、コメントを得た。その結果、下記のようなコメントが得られた。
・ 術場で体験する機会が少ない第八肋間左開胸法等を仮想体験できることは有意義
・ 手技を行うような環境でピットフォールを学習することができる点が有意義
・ 執刀医や助手など個々の位置での仮想体験は助手から執刀医への移行時に有効
一方、臓器の質感や生理的な反応について改良の余地があるというコメントが得られた。
次に、医学部三年生 5 名による試用評価の結果を表 1 に示す。
http://www.ipa.go.jp/SPC/report/03fy-pro/mito/15-776d.pdf
|
- 外科手術ロボット 「da Vinci」（ﾀﾞｳﾞｨﾝﾁ）
8 ：メカ名無しさん[sage]：2011/11/21(月) 15:16:20.90 ID:+Jbk/lyr - 腹部造影MRIを用いたCADシステムは，病変の抽出から良悪性鑑別まで自動で行う．
これらの処理を行ううえで，3次元の肝臓領域の抽出を精度良く行う技術は必要不可欠で
ある．MRIにおける肝臓の輪郭は，CT画像より不明瞭である．また，肝臓領域と同程度の
信号強度を持つ組織が他にも存在し，表面コイルからの距離の違いによって，肝臓領
域内の信号強度もばらつきが大きい．そのため，閾値処理技術によって，肝臓領域を自動抽出
することは難しい．そこで，エッジ処理に基づくアルゴリズムを提案している19）．まず，MRIに
対してLOGとSobelの二つのエッジオペレータによる初期の肝臓領域を抽出する．つぎに，
造影時間変化による濃染部位の違いと前後の肝臓スライスの輪郭情報を利用することにより，
最終的な肝臓領域の再検討を行う．実験の結果，90%以上の抽出精度を得ている．
http://www.fjt.info.gifu-u.ac.jp/publication/685.pdf
３つの医用画像診断領域における「コンピュータ支援診断（computer-aided diagnosis; CAD）
シ ステム」を開発。CADでは、コンピュータを用いて医用画像の解析を自動的に行い、
異常な陰影が存在する位置や、悪性度などの定量的な解析結果を医師に提示します。そして、
医師はコンピュータの出力結果を「第二の意見」として参考にし、最終的な診断を行います。
本研究では、検診などで大量の画像が発生しており、医師からの開発・商品化の要望が高い
CADシステムとして、１）乳腺超音波画像のCAD、２）眼底写真のCAD、および３）脳MR画像のCADに注目し、
岐阜県内外の企業計４社と共同で、これらのCADシステムの研究開発を行いました。
１）では、集団検診専用に開発された乳腺超音波スキャナのための撮影・読影支援ソフトウェアの開発
と腫瘤陰影の自動検出CADシステムの開発、および一般的なハンドタイプの超音波診断装置を対象と
したCADシステムの開発が主な目的です。
２）では、緑内障の検出支援システムの開発，高血圧性網膜症の検出支援システムの開発、
および糖尿病網膜症の検出支援システムの開発（滋賀県立大学との共同研究）が主な目的です。
３）では、ラクナ梗塞の検出支援システムの開発、脳動脈瘤の検出支援システムの開発、
および狭窄・閉塞の検出支援システムの開発が主な目的です。
http://www.gikenzai.or.jp/cluster/system2_02.html
３．２ 脳血管性認知症診断のための虚血病変部検出の CAD
脳血管性認知症は，日本において２番目に患者数の多い認知症疾患です 38)．その脳血管性認知症は，
脳梗塞や脳出血によって起こる虚血が原因で発症します．脳血管性認知症における虚血病変は，T2
強調像や FLAIR 像において高信号領域となります．また，脳血管性認知症では，虚血病変領域と正
常脳実質領域との面積比である虚血病変面積比が，その症状に相関があることが確認されています
39-43)．したがって，虚血病変面積比を正確に求めることは，治療方針の決定や病状の把握のために非
常に重要です．そこで，我々は FLAIR 像と T1 強調像の差分画像に基づいて，虚血病変領域を検出
し，虚血病変面積比を算出する CAD システムを開発しました 10, 44,45)．開発した CAD システムでは，
まず FLAIR 像と T1 強調画像を差分することにより，虚血領域を強調しました．次に，多重しきい
値処理を用いて，虚血領域の初期候補点を抽出し，初期候補点を基に領域拡張処理を行いました．最
後に，人工ニューラルネットワークを用いて，偽陽性領域を削減しました．しかし，その従来法を用
いて自動的に求めた虚血病変候補には，偽陽性領域，偽陰性領域，過小評価領域，過大評価領域，過
大過小混在領域が存在し，その虚血病変領域抽出の放射線科医との一致度は 58.1%となりました．さ
らに，正常脳実質領域の面積を自動で求める手法の開発と，前述の従来法によって求めた虚血病変候
補画像を用いて，半自動で虚血病変領域の再抽出を行い，虚血病変領域をより正確に検出する手法の
開発を試みました 46)．その結果，一致度の平均値は 71.7%となり，平均で 13.5%向上しました．その
ため従来手法と本手法を組み合わせた手法は，脳血管性認知症における虚血病変面積比を求めるため
に有用である可能性を示しました．図１５に虚血病変部の再抽出の効果を示しています．この症例で
は，一致度が 11%向上しました．
http://web.shs.kyushu-u.ac.jp/~arimura/CADforBrainDiseases.pdf
|