2022 IEEE 11th Global Conference on Consumer Electronics (GCCE 2022) , Osaka, Japan（2022.10/19-22）において周 家禕さん、藤林 巧さん、松山桃子、山田望結さんらが研究成果発表を行いました

 2022 IEEE 11th Global Conference on Consumer Electronics (GCCE 2022) , Osaka, Japan（2022.10/19-22）において周 家禕さん、藤林 巧さん、松山桃子、山田望結さんらが研究成果発表を行いました。いただきましたコメント・ご助言を今後の研究に展開してゆければと期待しております。

Jiayi Zhou, Norihiro Koizumi, Nishiyama, Ryosuke Tsumura, Hiroyuki Tsukihara, Naoki Matsumoto, Development of a VS Ultrasound Diagnostic System With Image Evaluation Functions, Proc. 2022 IEEE 11th Global Conference on Consumer Electronics (GCCE 2022), OS-AIR(1): Artificial Intelligence & Robotics (1), 2022.

Takumi Fujibayashi, Norihiro Koizumi and Yu Nishiyama, Ryosuke Tsumura, Kiyoshi Yoshinaka, Hiroyuki Tsukihara, A Study on the Same Cross-Sectional Tracking Method Using AEMADP++ Based on YOLACT++ for Automated Diagnostic and Therapeutic Robots, Proc. 2022 IEEE 11th Global Conference on Consumer Electronics (GCCE 2022), POS(4): Poster (On-site), 2022.

Momoko Matsuyama, Norihiro Koizumi and Yu Nishiyama, Ryosuke Tsumura, Hiroyuki Tsukihara, Kazushi Numata, An Avoiding Overlap Method Between Acoustic Shadow and Organ for Automated Ultrasound Diagnosis and Treatment, Proc. 2022 IEEE 11th Global Conference on Consumer Electronics (GCCE 2022), POS(4): Poster (On-site), 2022.

Miyu Yamada, Norihiro Koizumi and Yu Nishiyama, Ryosuke Tsumura, Kiyoshi Yoshinaka, Naoki Matsumoto, An Automatic Judgment Method of Swelling or Atrophy of Organs for Ultrasound Diagnosis, Proc. 2022 IEEE 11th Global Conference on Consumer Electronics (GCCE 2022), POS(4): Poster (On-site), 2022.

令和４年度第2回オープンキャンパスで研究室を公開しました

令和４年度第2回オープンキャンパスで研究室を公開しました（東4号館6階625室（研究紹介）、607室（ロボットデモ），11時から17時まで）。当日は２０名以上のご来場をいただき、研究室のプロジェクトをアピールする機会をいただきました。いただきました、ご助言・コメントを今後の研究に役立ててゆければと期待しています。

小泉研究室アクセス：

http://www.medigit.mi.uec.ac.jp/access.html

夢ナビライブ2022で高校生向けにオンライン研究室紹介を行ないました

 夢ナビライブ2022において、われわれの研究に興味をもっていただいた全国の高校生およそ１００名に研究室公開を行ないました。学問の講義ライブの担当大学教員に、オンラインで直接質問、大学教員や大学生が、ゼミ・研究室で学べる内容を教えてくれるという企画です。

夢ナビライブ2022：

https://liveweb.yumenavi.info/?s=autumn

夢ナビ講義：

https://douga.yumenavi.info/Lecture/PublishDetail/2022001471?back=

電気通信大学イベント情報：

https://www.uec.ac.jp/news/event/2022/20221007_4850.html

International Journal of Computer Assisted Radiology and Surgery (IJCARS)誌に周 家禕さんらの投稿論文が掲載されました

医療用AI・ロボティクス分野のトップジャーナルである International Journal of Computer Assisted Radiology and Surgery (IJCARS)誌に周 家禕さんらの投稿論文がオンラインファーストで掲載されました。横浜市大センター病院　沼田和司先生、東京大学医学部附属病院　月原弘之先生、日本大学の小川眞広先生、松本直樹先生、産業技術総合研究所　葭仲 潔先生、津村遼介先生、大林製作所　飯島秀幸社長、岩井敏行様、永岡英敏様らとの共同研究プロジェクトの成果であり、われわれが推進する『医療診断・治療技能のデジタル化』に関するものです。ひきつづき大変お世話になりますが、ご助言・ご指導・お力添えをたまわりますようどうぞよろしくお願いもうしあげます。

ニュースリリース：

https://www.uec.ac.jp/news/announcement/2022/20221214_5010.html

https://medit.tech/ultrasound-diagnostic-system-with-kidney-image-evaluation-functions-2022/

https://xtech.nikkei.com/atcl/nxt/column/18/02122/00180/

Jiayi Zhou, Norihiro Koizumi, Yu Nishiyama, Kiminao Kogiso, Tomohiro Ishikawa, Kento Kobayashi, Yusuke Watanabe, Yusuke Watanabe, Takumi Fujibayashi, Miyu Yamada, Momoko Matsuyama, Hiroyuki Tsukihara, Ryosuke Tsumura, Kiyoshi Yoshinaka, Naoki Matsumoto, Masahiro Ogawa, Hideyo Miyazaki, Kazushi Numata, Hidetoshi Nagaoka, Toshiyuki Iwai, Hideyuki Iijima, "A VS ultrasound diagnostic system with kidney image evaluation functions," International Journal of Computer Assisted Radiology and Surgery (IJCARS), https://doi.org/10.1007/s11548-022-02759-0, 2022. IF=3.4 

＜要旨＞

超音波診断の特徴は、生成される超音波画像の質が、プローブを操作する医師の技量に依存することである。これは、患者の呼吸や拍動等により常に変位・変形・回転をともなって運動する臓器の断面を安定的に獲得するために、医師が常にプローブの位置・姿勢・押しつけ力を調整しなければならないためである。上記を踏まえて、医師の負担を軽減するために、ディープラーニングに基づくビジュアルサーボシステムと協調して動作するロボティック超音波診断支援システムを開発した。

今回開発したロボティック超音波診断支援システムは、臓器追跡ロボット（OTR）、ロボティックベッド（RB）、ロボティック支持アーム（RSA）の3つのロボットから構成されている。また、異なる画像処理方法（YOLOv5s、BiSeNet V2）を用いて、目的の運動臓器の位置を検出し、得られた超音波画像の適正度を評価する（ResNet 50）ことができる。最終的に、医用画像処理結果はOTRに送信され、動作指令され、運動する臓器に追従する。

実験では、運動軌道をなめらかに推定することができる、カルマンフィルタリングを併用することで動物体の検出に最適なYOLOv5sが最も高い追従精度（0.749）を示し、フィルタリングを行わない場合と比較して精度を約37%向上させることに成功した。さらに、追従中に得られる超音波画像の適正度も最も高く、安定的に診断画像を獲得・維持・適正化することができた。2番目に高い追従精度（0.694）を実現したのは、追従対象臓器の重心位置や腎臓の断面積、最大径といった形状特徴量を計測するのに適したBiSeNet V2のカルマンフィルタリングによるもので、フィルタリングを行わない場合と比較して75%追従精度が改善された。

YOLOv5sとカルマンフィルタリングの組み合わせが最も効率的な追従を達成したが、BiSeNet V2とカルマンフィルタリングの組み合わせは、より実際の腎臓の運動状態に近い腎臓重心を検出することが可能である。さらに、対象となる臓器の断面積や最大径などの詳細な情報もリアルタイムに計測できるため、実際の診断や治療モニタリングにおいて、より実用的なモデルであるといえる。

本手法の適用範囲は単に医療診断のみにとどまらず、がんや結石を対象とする超音波・放射線・重粒子線治療用ビームの照射モニタリングにも応用展開することができ、将来のAI・ロボティック医療診断・治療のためのデジタル基盤技術として強く期待されている。