CINXE.COM
医療ビッグデータ研究センター
<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <meta http-equiv="X-UA-Compatible" content="IE=edge"> <meta name="viewport" content="width=device-width, initial-scale=1"> <title>医療ビッグデータ研究センター</title> <meta name="description" content="Innovation of Diagnosis through Information Technology, Cloud Platform and AI Image Analysis of Medical Bigdata"> <meta name="author" content="Research Center for Medical Bigdata"> <meta name="copyright" content="© Research Center for Medical Bigdata 2024"> <!-- External libraries --> <link rel="stylesheet" href="//maxcdn.bootstrapcdn.com/font-awesome/4.6.3/css/font-awesome.min.css"> <link rel="stylesheet" href="//cdnjs.cloudflare.com/ajax/libs/highlight.js/9.9.0/styles/monokai-sublime.min.css"> <link rel="stylesheet" href="//cdnjs.cloudflare.com/ajax/libs/lightbox2/2.7.1/css/lightbox.css"> <!-- Favicon and other icons (made with http://www.favicon-generator.org/) --> <!-- <link rel="shortcut icon" href="/rc4mb/assets/icons/favicon.ico" type="image/x-icon"> <link rel="icon" href="/rc4mb/assets/icons/favicon.ico" type="image/x-icon"> <link rel="apple-touch-icon" sizes="57x57" href="/rc4mb/assets/icons/apple-icon-57x57.png"> <link rel="apple-touch-icon" sizes="60x60" href="/rc4mb/assets/icons/apple-icon-60x60.png"> <link rel="apple-touch-icon" sizes="72x72" href="/rc4mb/assets/icons/apple-icon-72x72.png"> <link rel="apple-touch-icon" sizes="76x76" href="/rc4mb/assets/icons/apple-icon-76x76.png"> <link rel="apple-touch-icon" sizes="114x114" href="/rc4mb/assets/icons/apple-icon-114x114.png"> <link rel="apple-touch-icon" sizes="120x120" href="/rc4mb/assets/icons/apple-icon-120x120.png"> <link rel="apple-touch-icon" sizes="144x144" href="/rc4mb/assets/icons/apple-icon-144x144.png"> <link rel="apple-touch-icon" sizes="152x152" href="/rc4mb/assets/icons/apple-icon-152x152.png"> <link rel="apple-touch-icon" sizes="180x180" href="/rc4mb/assets/icons/apple-icon-180x180.png"> <link rel="icon" type="image/png" sizes="192x192" href="/rc4mb/assets/icons/android-icon-192x192.png"> <link rel="icon" type="image/png" sizes="32x32" href="/rc4mb/assets/icons/favicon-32x32.png"> <link rel="icon" type="image/png" sizes="96x96" href="/rc4mb/assets/icons/favicon-96x96.png"> <link rel="icon" type="image/png" sizes="16x16" href="/rc4mb/assets/icons/favicon-16x16.png"> <link rel="manifest" href="/rc4mb/assets/icons/manifest.json"> <meta name="msapplication-TileColor" content="#ffffff"> <meta name="msapplication-TileImage" content="/rc4mb/assets/icons/ms-icon-144x144.png"> <meta name="theme-color" content="#ffffff"> --> <link rel="icon" href="/rc4mb/assets/logo.png"> <link rel="apple-touch-icon" href="/rc4mb/assets/logo.png"> <!-- Site styles --> <link rel="stylesheet" href="/rc4mb/css/main.css"> <link rel="canonical" href="http://research.nii.ac.jp/rc4mb/"> <link rel="alternate" type="application/rss+xml" title="医療ビッグデータ研究センター" href="http://research.nii.ac.jp/rc4mb/feed.xml" /> </head> <body> <header class="navigation" role="banner"> <div class="navigation-wrapper"> <a href="/rc4mb/" class="logo"> <img src="/rc4mb/assets/logo.png" alt="医療ビッグデータ研究センター"> </a> <a href="javascript:void(0)" class="navigation-menu-button" id="js-mobile-menu"> <i class="fa fa-bars"></i> </a> <nav role="navigation"> <ul id="js-navigation-menu" class="navigation-menu show"> <li class="nav-link"><a href="/rc4mb/about/">About</a> <li class="nav-link"><a href="/rc4mb/links/">Links</a> <li class="nav-link"><a href="/rc4mb/people/">People</a> <li class="nav-link"><a href="/rc4mb/posts/">Posts</a> <li class="nav-link"><a href="/rc4mb/publicities/">Publicities</a> </ul> </nav> </div> </header> <div class="page-content"> <div class="home"> <div class="site-header-container has-cover" style="background-image: url(/rc4mb/assets/Mishima_3Dec2014.jpg);"> <div class="scrim has-cover"> <header class="site-header"> <h1 class="title">医療ビッグデータ研究センター</h1> <p class="subtitle">医療ビッグデータクラウド基盤構築とAI画像解析研究</p> </header> </div> </div> <div class="wrapper"> <ul class="post-list"> <li> <h2> <a class="post-link" href="/rc4mb/news/2023/12/07/model-open-2nd.html">AI model for biological sex estimation</a> </h2> <section class="post-excerpt" itemprop="description"> <!-- <p>日本眼科学会と国立情報学研究所は、眼底写真から性別を推定するAIを研究開発し、そのモデルを無償公開しました。 ヒトの疾患にはさまざまな原因・要因が存在します。一般的に悪性腫瘍や認知症などの発症は年齢を経るとともに頻度が高くなり、生活習慣病のリスクも増加します。同じ悪性腫瘍でも骨肉腫は若年者に好発します。年齢と同じように性別 (生物学的性別 biological sex) も疾患の要因となり、発症頻度に性差のある疾患は少なくありません。たとえば、全身性の疾患である関節リウマチは女性の発症頻度は男性の約3〜4倍高く、眼科領域に限っても加齢黄斑変性症は男性の発症頻度は女性の約2〜3倍高いことが報告されています。発症や症状に性差のある疾患の病理を研究するためは、研究対象の試料に性別のラベルが付与されている必要があります。しかし、サンプリング手法やデータの匿名化などの処理によって性別ラベルがついていない試料もたくさんあります。 眼底の網膜は外界からの光を受容するという特質上、体外から光学的に観察しやすい組織です。そのため、眼底写真を利用して通常では簡単には観察できない個人の状態を推定する方法が模索されてきました。年齢や性別、喫煙状況、血糖の状態などをAIで推定可能なことが明らかになっており、そこから得られる情報は眼科領域の疾患だけでなく、様々な全身の疾患を対象とした医学研究に活用できる可能性があります。しかし、これまでに報告された研究では、開発されたAIが公開されていないことから、他の研究に用いることができませんでした。 そこで、日本眼科学会ではNIIと共同で眼底写真から生物学的性別を精度良く推定するAIを開発し、広く医学研究に役立ててもらうために無償公開することにしました。公開したAIの詳細はJapan Ocular Imaging Registry (JOIR)の眼底からの性別予測モデルをご参照ください。 今回のAIが網膜のどのような特徴を捉えて性別を判定しているのか、現時点ではよく分かっていません。少なくとも、眼科医が網膜写真を観察しても性別を判定することはとても難しく、網膜にはこれまでに知られていない性差が器質的に備わっていることが伺えます。本AIを研究に活用することと同時に、この器質的差違を明らかにすることで、加齢黄斑変性症のように発症に性差のある眼底疾患の病理が究明されることが期待されます。 国立情報学研究所プレスリリース https://www.nii.ac.jp/news/release/2023/1207.html Update ニュースリリースの英語版を発表し、EurekAlert!にて国際配信されました。 </p> --> <p><p>日本眼科学会と国立情報学研究所は、眼底写真から性別を推定するAIを研究開発し、そのモデルを無償公開しました。</p> </p> </section> <section class="post-meta"> <div class="post-date">7 December 2023</div> <div class="post-categories"> in <a href="/rc4mb/posts/#news">News</a> </div> </section> </li> <hr> <li> <h2> <a class="post-link" href="/rc4mb/news/2023/06/19/openhouse2023.html">NII Open House 2023</a> </h2> <section class="post-excerpt" itemprop="description"> <!-- <p>今年の国立情報学研究所オープンハウスは、2019年以来4年ぶりについにリアル会場をメインとする開催となりました。例年通りRCMBも出展し、リアル会場にポスターとスライドショーを展示してオープンハウスに臨みました。 NII Open House 毎年恒例の情報研オープンハウス、2023年は6月2日金曜日と6月3日土曜日に開催となりました。 SARS-CoV-2 (severe acute respiratory syndrome coronavirus 2, 新型コロナウイルス) が第5類指定へ移行してから最初のオープンハウス、コンピュータサイエンスパークも復活してとてもにぎやか活気にあふれた会場となりました。基調講演は、この数ヶ月でにわかに注目を集めたChatGPTを主題に選びました。くしくも、今年度から情報研所長に着任した黒橋新所長の研究分野は自然言語処理であり、タイムリーな企画といえましょう。そうそう、喜連川前所長は情報・システム研究機構の機構長に就任しました。 国立情報学研究所オープンハウス NII活動報告・基調講演 日時:2023年6月2日(金) 13:00-15:00 形式:ハイブリッド開催 場所:一橋講堂 (東京都千代田区) 13:00-13:20:活動報告 国立情報学研究所活動報告 黒橋 禎夫 (国立情報学研究所 所長) 国立情報学研究所オープンハウス2023は、リアル会場をメインとしたハイブリッド形式での開催となります。オープンハウス開催にあたってのご挨拶、ならびに本研究所の取り組みを、本年新たに着任した黒橋新所長からご紹介します。 13:20-13:50:基調講演 ChatGPTを支える技術 鈴木 潤 (東北大学データ駆動科学・AI教育研究センター 教授) ChatGPT (GPT-4を含む) の詳細な構築方法は公表しないと表明されており、現時点でその全容を知ることは難しい。本講演では、公式に発表されている断片的な事実情報をベースとし、憶測は憶測と断った上で紹介しつつ、ChatGPTを支える技術の動作原理や理屈をAI関連研究者/技術者以外の方を対象としてなるべく平易に解説する。 13:50-14:20:基調講演 Bing対話型検索とGPTモデル 鈴木 久美 (理化学研究所AIP言語情報アクセス技術チーム テクニカルアドバイザー / 元マイクロソフト対話型検索プロダクトマネージャー) ChatGPTがその性能で世界を驚かせている中、今年2月マイクロソフトはGPTモデルをインターネット検索に応用したサービスを開始した。このサービスの開発にプロダクトマネージャーとしてかかわった経験から、大規模言語モデルがウェブ検索をどう変えたのか、その応用の利点と現時点での限界を具体例とともに考える。 14:20-14:50:基調講演 生成系AIと法制度 生貝 直人...</p> --> <p><p>今年の<a href="https://www.nii.ac.jp/event/openhouse/2023/" target="_blank">国立情報学研究所オープンハウス</a>は、2019年以来4年ぶりについにリアル会場をメインとする開催となりました。例年通りRCMBも出展し、リアル会場にポスターとスライドショーを展示してオープンハウスに臨みました。</p> </p> </section> <section class="post-meta"> <div class="post-date">19 June 2023</div> <div class="post-categories"> in <a href="/rc4mb/posts/#news">News</a> </div> </section> </li> <hr> <li> <h2> <a class="post-link" href="/rc4mb/news/2023/03/24/covid19_surveillance.html">Surveillance system for COVID-19 pneumoniae</a> </h2> <section class="post-excerpt" itemprop="description"> <!-- <p>国内で毎日撮影されるX線CT画像データを日々クラウド基盤へ収集・蓄積している特徴を活かし、RCMBではCOVID-19 (新型コロナウイルス感染症) パンデミック発生当初から、COVID-19肺炎のX線CT画像による医療支援AIを研究開発してきました。まず、COVID-19パンデミック発生前後のウイルス性肺炎のX線CT画像から学習用データセットを生成し、同時に、このデータセットを利用して、X線CT画像からCOVID-19肺炎を診断補助する機械学習の研究開発環境を整備してきました。 NIIニュースリリース 2020年9月28日 新型コロナウイルス肺炎CT画像をAI解析するためのプラットフォームを開発 〜全国の病院から集めたCT画像をAIで選別し高品質なAI研究用データセットとして整備〜 この研究開発環境を利用し、研究の成果を社会実装するための実証実験として、COVID-19肺炎CT画像によるサーベイランスシステムを開発しました。 NIIニュースリリース 2022年11月1日 COVID-19肺炎CT画像によるサーベイランスシステムを開発 パンデミックに即応して研究開発が可能なICTプラットフォーム サーベイランス研究開発の背景 COVID-19はSARS-CoV-2 (severe acute respiratory syndrome coronavirus 2) の感染によって発生し、主に肺を含む呼吸器に症状を呈します。基本的に症状は比較的軽く、感染者の3分の1は無症状で終わります。さらに、発症した場合でも約8割は軽症から中等度症状で治癒します。いっぽう、SARS-CoV-2の感染力はきわめて高く、またたく間に全世界で爆発的な感染流行を引き起こしました。発症者の約2割は重篤な症状を呈し、5パーセントは呼吸不全や多臓器不全などの致命的経過を辿ります。重症化率・致命率は決して高くないのですが、元の感染者数が多いため、重症患者の数が増える傾向があります。 COVID-19の重症化にはいくつかの要因が関係しています。要因の一つは宿主の状態です。糖尿病などの基礎疾患の存在はウイルス感染に対する抵抗性を弱め、感染した場合には症状が重くなって致命的な状況へ至る可能性が高くなります。基礎疾患だけでなく、加齢や喫煙も重症化を促す状態となります。さらに、基礎疾患のない健康で若い成人でも、一定の割合で重症化する症例が報告されており、その原因の一つとして、感染者の遺伝的要因が想定されています。このような宿主の状態は、診療記録を参照するなどしてある程度は把握することが可能です。 重症化のもう一つの要因は、SARS-CoV-2の変異株 (variant) の存在です。ウイルスが宿主の細胞の中でゲノムを複製する過程で塩基配列に一定の確率で変異が入ります。大多数の変異はウイルスの表現型 (感染力や毒性など) を変えるに至らず、あるいは、ウイルスの生存率を下げてしまうため、変異株が優勢となることはありません。しかし、ごく一部の変異は生存率を上げる方向へ表現型を変えてしまうことがあり、このような変異株は短期間で感染流行の優勢を占めることになります。感染力や毒性の上がった変異株の出現を正確に予測することはとても困難です。 COVID-19の診断には、ウイルスの存在を示すPCR検査や抗原検査が利用されます。こうした検査は手軽で感度も高く、感染の有無を迅速、且つ大規模に同定することができます。しかし、COVID-19パンデミックにおいては、感染の有無ではなく、発症とそこから重症化する症例の把握が重要です。COVID-19の重症化には上述のようにいくつかの要因があり、感染の有無だけでは重症化症例を把握することはできません。重症化に至る最初の段階である症状、とりわけ肺炎の状態を把握しておくことが必要です。 そこで、肺野のX線CT画像からCOVID-19肺炎の典型度を判定するAIを利用し、クラウド基盤に日々収集されているCT画像を自動判定するシステムを構築、稼働することにしました。このシステムによって全国の医療機関で撮影されているCT画像からCOVID-19肺炎の症例を自動で判定し、それらの判定結果を日毎に集計することでCOVID-19肺炎のサーベイランスを行うことができます。発症率や経験則に依存しないで、肺炎患者の実態を画像ベースでリアルタイムに追跡、把握するシステムです。 サーベイランスシステムの実際 クラウド基盤には毎日2千〜1万シリーズ、画像にして50万〜120万枚のX線CT画像が送信されています。このCT画像は全身のもので、肺野を撮影対象としていない画像も多く含まれます。そこで、所見文に「肺」が含まれるCT画像を選択し、これらの画像に以前に研究開発した診断補助AIを実行し、各画像に対してCOVID典型度、所見文における重要キーワードの有無などを計算しました。処理した約31万症例の計算結果を各日ごとに集計して出力し、可視化してサーベイランスとしています。 サーベイランスの結果 - 24 March 2023 updated サーベイランスシステムの稼働以来、過去にも遡って判定、集計を続けてきました。今回、COVID-19パンデミック初期の2020年2月までの遡り解析が終了し、今年2月末までの3年間のCOVID-19肺炎の動態が明らかになりました。 サーベイランス (インタラクティブグラフ版) 全国のCOVID-19による日毎の死亡者数 (厚生労働省オープンデータ) を背景のグレーの棒グラフでプロットしています。横軸下のI 〜 VIIIは感染の各波を、alphaやdeltaなどはSARS-CoV-2のその時点で優勢な変異株を、それぞれ示しました。変異株の間の斜めの境界は、株間の世代交代に要した時間を反映していて、delta-omicronの世代交代はalpha-deltaのそれの約三分の一の時間しか要していません。緑実線はAIによってCOVID-19肺炎に典型的なCT画像所見の可能性が高いと判定された症例の割合 (全症例に対する典型度高症例の割合) です。赤実線は所見文に「COVID」や「コロナ」などの文言が現れた症例の数と典型度高症例の割合を掛け合わせた数値を示し、青実線は所見文に「すりガラス陰影」や「GGO (ground-glass opacity)」などの文言が現れた症例の数と典型度高症例の割合を掛け合わせた数値を示しています。いずれも二週間の移動平均線です。 典型度高の割合の変動と各波は一致する部分としない部分がありますが、V波までは概ね一致しています。この傾向は、所見文に「COVID」や「GGO」といった文言が現れる症例数を掛け合わせた数値を見ると、よりいっそう明確になります。これらの文言は所見文に現れているだけで、それらの所見が画像にあるか否かは反映していません。つまり、「COVID肺炎と矛盾しない」という所見文も「COVIDを疑わない」という所見文も等しくカウントしているため、その所見文が附帯した画像がCOVID-19肺炎のCT画像ではない可能性もあります。したがって、これらの文言の出現頻度は、正確にはCOVID-19肺炎の頻度を反映していません。ただし、COVID-19肺炎と関係ない画像の所見文に「COVID」の文言が現れる確率は低く、ある程度の反映はあると考えられます。 「すりガラス陰影 (GGO)」はウイルス性肺炎のCT画像に典型的な所見で、COVID-19肺炎でも特徴的です。ただし、GGOは間質性肺炎でもよく見られ、SARS-CoV-2以外のウイルスによる肺炎でも現れるため、COVID-19に特異的な所見ではありません。しかも「COVID」文言の場合と同様に、所見にGGOがなくても所見文に「GGO」が現れる場合もあります。ここで、AIによる典型度高判定の割合と放射線科医による「GGO」文言出現の数を掛けた数値...</p> --> <p><p>国内で毎日撮影されるX線CT画像データを日々クラウド基盤へ収集・蓄積している特徴を活かし、RCMBではCOVID-19 (新型コロナウイルス感染症) パンデミック発生当初から、COVID-19肺炎のX線CT画像による医療支援AIを研究開発してきました。まず、COVID-19パンデミック発生前後のウイルス性肺炎のX線CT画像から学習用データセットを生成し、同時に、このデータセットを利用して、X線CT画像からCOVID-19肺炎を診断補助する機械学習の研究開発環境を整備してきました。</p> </p> </section> <section class="post-meta"> <div class="post-date">24 March 2023</div> <div class="post-categories"> in <a href="/rc4mb/posts/#news">News</a> </div> </section> </li> <hr> <li> <h2> <a class="post-link" href="/rc4mb/news/2023/01/10/model-open.html">AI model for age estimation</a> </h2> <section class="post-excerpt" itemprop="description"> <!-- <p>日本眼科学会と国立情報学研究所は、眼底写真から年齢を推定するAIを研究開発し、そのモデルを無償公開しました。 ヒトの健康状態は年齢と密接に関係しています。がんや認知症などの発症は年齢を経るとともに頻度が高くなり、生活習慣病のリスクも増加します。年齢は単に経てきた年月を数えた暦年齢 (chronological age) と、身体の老化の状態を考慮に入れた生物学的年齢 (biological age) があり、健康状態と関係している年齢は生物学的年齢です。しかし、暦年齢は生年月日から容易に計算することができますが、生物学的年齢を算出することは容易ではありません。 眼底の網膜は光を受容するための組織で、光を感受する視細胞以外にも神経線維や色素細胞、血管が規則正しく配置されて機能しています。外界からの光を受容するという特質上、網膜は体外から光学的に観察しやすい器官でもあります。実際、ヒトの体の中で唯一、網膜は血管の状態を直接観察できる部位とされています。そのため、眼底写真を利用して通常では簡単には観察できない組織の状態から生物学的年齢を推定する方法が模索されてきました そこで、日本眼科学会ではNIIと共同で眼底写真から生物学的的年齢を精度良く推定するAIを開発し、広く医学研究に役立ててもらうために無償公開することにしました。公開したAIの詳細はJapan Ocular Imaging Registry (JOIR)の眼底年齢評価モデルをご参照ください。 国立情報学研究所プレスリリース https://www.nii.ac.jp/news/release/2023/0110.html Update ニュースリリースの英語版を発表し、EurekAlert!にて国際配信されました。 </p> --> <p><p>日本眼科学会と国立情報学研究所は、眼底写真から年齢を推定するAIを研究開発し、そのモデルを無償公開しました。</p> </p> </section> <section class="post-meta"> <div class="post-date">10 January 2023</div> <div class="post-categories"> in <a href="/rc4mb/posts/#news">News</a> </div> </section> </li> <hr> <li> <h2> <a class="post-link" href="/rc4mb/publication/2022/08/15/abe+kurose-cancerscience.html">Development and multi-institutional validation of an artificial intelligence-based diagnostic system for gastric biopsy</a> </h2> <section class="post-excerpt" itemprop="description"> <!-- <p>日本病理学会、東京大学原田研究室、NII RCMBの共同研究による、胃生検胃がんの病理診断支援AIに関する論文がCancer Scienceに発表されました。 病理診断では、ある病理医の診断を他の病理医が確認するダブルチェックの仕組みがあります。しかし、日本では全国的に病理医の数は不足しており、2人以上の病理医が常駐する医療機関は限られています。この状況をICTを援用して解決するため、日本病理学会は病理組織デジタル画像 (Pathology-Whole Slide Imaging, P-WSI) のデータベース構築を核とするJapan Pathology Artificial Intelligence Diagnostics Project (JP-AID)を開始し、病理診断精度管理ツールや病理診断支援ツールの開発を行ってきました。今回の研究では、日本人のがんの多く占める胃がんを対象とし、東京大学原田研究室、NII RCMBと連携して胃生検の病理組織診断を支援するAIを開発しました。 Abe H, Kurose Y, Takahama S, Kume A, Nishida S, Fukasawa M, Yasunaga Y, Ushiku T, Ninomiya Y, Yoshizawa A, Murao K, Sato S, Kitsuregawa M, Harada T, Kitagawa M, Fukayama M, Japan Pathology...</p> --> <p><p><a href="http://pathology.or.jp" target="_blank">日本病理学会</a>、<a href="https://www.mi.t.u-tokyo.ac.jp" target="_blank">東京大学原田研究室</a>、NII RCMBの共同研究による、胃生検胃がんの病理診断支援AIに関する論文が<a href="https://onlinelibrary.wiley.com/journal/13497006" target="_blank">Cancer Science</a>に発表されました。</p> </p> </section> <section class="post-meta"> <div class="post-date">15 August 2022</div> <div class="post-categories"> in <a href="/rc4mb/posts/#publication">Publication</a> </div> </section> </li> </ul> <nav class="pagination" role="navigation"> <p> <span class="fa-stack fa-lg"> <i class="fa fa-square fa-stack-2x"></i> <i class="fa fa-angle-double-left fa-stack-1x fa-inverse"></i> </span> <span class="page-number">Page 1 of 10</span> <a class="newer-posts" href="/rc4mb/page2"> <span class="fa-stack fa-lg"> <i class="fa fa-square fa-stack-2x"></i> <i class="fa fa-angle-double-right fa-stack-1x fa-inverse"></i> </span> </a> </p> </nav> </div> </div> </div> <footer class="site-footer"> <div class="wrapper"> <h3 class="footer-heading">医療ビッグデータ研究センター</h3> <div class="site-navigation"> <p><strong>Site Map</strong></p> <ul class="pages"> <li class="nav-link"><a href="/rc4mb/about/">About</a> <li class="nav-link"><a href="/rc4mb/links/">Links</a> <li class="nav-link"><a href="/rc4mb/people/">People</a> <li class="nav-link"><a href="/rc4mb/posts/">Posts</a> <li class="nav-link"><a href="/rc4mb/publicities/">Publicities</a> </ul> </div> <div class="site-contact"> <p><strong>Contact</strong></p> <ul class="social-media-list"> <li> <a href="mailto:rc4mb[a]nii.ac.jp"> <i class="fa fa-envelope-o"></i> <span class="username">rc4mb[a]nii.ac.jp</span> </a> </li> </ul> </div> <div class="site-signature"> <p class="rss-subscribe text"><strong>Subscribe <a href="/rc4mb/feed.xml">via RSS</a></strong></p> <p class="text">Innovation of Diagnosis through Information Technology, Cloud Platform and AI Image Analysis of Medical Bigdata</p> </div> </div> </footer> <!-- Scripts --> <script src="//code.jquery.com/jquery-1.11.2.min.js"></script> <script src="//cdnjs.cloudflare.com/ajax/libs/highlight.js/8.5/highlight.min.js"></script> <script src="//cdnjs.cloudflare.com/ajax/libs/lightbox2/2.7.1/js/lightbox.min.js"></script> <script type="text/javascript"> $(document).ready(function() { // Default syntax highlighting hljs.initHighlightingOnLoad(); // Header var menuToggle = $('#js-mobile-menu').unbind(); $('#js-navigation-menu').removeClass("show"); menuToggle.on('click', function(e) { e.preventDefault(); $('#js-navigation-menu').slideToggle(function(){ if($('#js-navigation-menu').is(':hidden')) { $('#js-navigation-menu').removeAttr('style'); } }); }); }); </script> </body> </html>