臨床整形外科57巻10号

2022年10月発行

特集 整形外科領域における人工知能の応用 総論

整形外科領域に対する人工知能の応用の現状と今後の展望

著者： 中原龍一¹

所属機関： ¹岡山大学大学院医歯薬学総合研究科生体機能再生・再建学講座整形外科

ページ範囲：P.1181 - P.1188

医療AI研究はAIプログラムの無料化によって大きく進歩している．本稿では，画像を分類する画像分類，疾患を検出する物体検出，特定領域を選択するセグメンテーションの基本AI技術のほかに，大量の数値を解析する機械学習，距離を計測する深度画像などの手法がどのように整形外科領域のAI研究に用いられているかを解説し，本誌で紹介されているAI研究で著名な先生方による論文理解のガイドとなることを目指す．また言語系AIから生まれた新しい画像AIの現状についても概説する．

参考文献

1) Deng J, Dong W, Socher R, et al. ImageNet:a large-scale hierarchical image database. Miami:2009 IEEE conference on computer vision and pattern recognition;2009. p.248-255.

2) Kataoka, H, Hayamizu R, Yamada R, et al. Replacing abeled real-image datasets with auto-generated contours. In proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition;2022.

3) Mei X, Liu Z, Robson PM, et al. RadImageNet:an open radiologic deep learning research dataset for effective transfer learning. Radiol Artif Intell 2022;4(5):e210315.

4) Murata K, Endo K, Aihara T, et al. Artificial intelligence for the detection of vertebral fractures on plain spinal radiography. Sci Rep 2020;10(1):20031. doi:10.1038/s41598-020-76866-w.

5) 三浦正敬，牧　　聡，三浦紘世・他．深層学習による頸椎単純X線像に基づく頸椎後縦靱帯骨化症と頸椎症の鑑別診断．日整会誌2021；95(2)：S119．

6) 牧　　聡，依田隆史，古矢丈雄・他．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．日整会誌2022；96(2)：S446．

7) Oka K, Shiode R, Yoshii Y, et al. Artificial intelligence to diagnosis distal radius fracture using biplane plain X-rays. J Orthop Surg Res 2021;16(1):694.

8) 塩出亮哉，岡久仁洋，数井ありさ・他．人工知能(AI)を用いた手関節単純X線写真撮影のみによる前腕遠位部三次元骨モデル構築—2D3D再構成．日整会誌2019；93(8)：S1739．

9) 藪　晋人，星野雅俊，田淵仁志・他．AI(人工知能)を活用した骨粗鬆症性椎体骨折の画像診断補助システム—MR画像における新鮮椎体骨折の識別．日整会誌2021；95(2)：S465．

10) 伊藤定之，安藤　圭，小林和克・他．深層学習に基づいたMRI画像での神経鞘腫の自動位置検出システムの開発．日整会誌2021；95(8)：S1671．

11) Hiasa Y, Otake Y, Takao M, et al. Automated Muscle Segmentation from Clinical CT Using Bayesian U-Net for Personalized Musculoskeletal Modeling. IEEE Trans Med Imaging 2020;39(4):1030-40.

12) 山本乃利男，助川信太郎，藤村　亮・他．単純X線画像からAIを用いた骨粗鬆症診断．骨折2021；43(Suppl)：S83．

13) Uemura K, Otake Y, Takao M, et al. Development of an open-source measurement system to assess the areal bone mineral density of the proximal femur from clinical CT images. Arch Osteoporos 2022;17(1):17.

14) 牧　　聡，吉井俊貴，古矢丈雄・他．新しい機械学習手法を用いた頸椎後縦靱帯骨化症の手術の予後予測モデルの構築—AMED・厚労科研研究班多施設前向き研究．日整会誌2021；95(8)：S1476．

15) 佐藤洋一，朝本学宗，家崎雄介・他．AI(人工知能)を用いた大腿骨近位部骨折に対し患者情報のみを用いた術中使用インプラントサイズ予測モデルの多施設共同開発研究．日整会誌2021；95(3)：S635．

16) Kokabu T, Kanai S, Kawakami N, et al. An algorithm for using deep learning convolutional neural networks with three dimensional depth sensor imaging in scoliosis detection. Spine J 2021;21(6):980-7.

17) 小山恭史，藤田浩二，松井良太・他．非接触型センサーを用いた手指動作高次元解析と機械学習によるスクリーニング法の開発．日整会誌2021；95(8)：S1474．

18) 藤田浩二，渡辺拓郎，杉浦裕太・他．手根管症候群診断アプリ開発の試み．日整会誌2018；92(8)：S1796．

19) Dosovitskiy A, Beyer L, Kolesnikov A, et al. An image is worth 16x16 words:transformers for image recognition at scale. arXiv preprint. arXiv2020;2010:11929.

20) He K, Chen X, Xie S,et al. Masked autoencoders are scalable vision learners. In proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition;2022.