Basal ganglia segmentation using Diffusion-weighted Magnetic Resonance Imaging

• Project/Area Number: 19K12756
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 90110:Biomedical engineering-related
• Research Institution: Kyoto University
• Principal Investigator: 奥畑 志帆 京都大学, 工学研究科, 特定研究員 (50783940)
• Project Period (FY): 2019-04-01 – 2020-03-31
• Project Status: Discontinued (Fiscal Year 2019)
• Budget Amount: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000); Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2019: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
• Keywords: 拡散強調磁気共鳴画像 / 脳基底核 / セグメンテーション / 深層学習

Outline of Research at the Start

近年、脳基底核と神経精神疾患との関連から、磁気共鳴画像法(MRI)による基底核イメージングと解析が重要視されており、正確で詳細な自動セグメンテーション手法の開発が期待されている。本研究では、既存の臨床データを有効活用し、臨床研究における標準プロトコルである拡散強調MRIを活用した自動セグメンテーション手法を開発する。第一に基底核微細構造を高コントラストに画像化するMRI撮像パラメータを検討し、第二に画像化した基底核微細構造を参照し、各構造における水分子の拡散情報の特徴を抽出する。第三に、これに基づき変化検知の枠組みを用いて基底核自動セグメンテーション手法を完成させ、臨床データに適用する。

Outline of Annual Research Achievements

まず、従来の構造MRI（T1強調、T2強調画像等）のパラメータを参考に、これまでには画像化できていなかった基底核内部の微細構造を画像化できる新たな撮像パラメータを明らかにした。プロトン密度強調SPACE (sampling perfection with application of optimized contrasts using different flip angle evolutions) シークエンスによる画像において、脳基底核の淡蒼球とその周辺組織との間のコントラスト雑音比が向上した。このような画像を用いることにより、脳基底核のより正確な自動セグメンテーションを可能となる可能性を示した。
さらに、拡散強調画像に基づき、複数の基底核の領域内における拡散情報の特徴を組織ごとに明らかにした。この結果、淡蒼球と、淡蒼球を内節と外節にわける微細な組織である内側髄板との間に多軸撮像に対応した拡散情報であるFOD(fiber orientation distribution)の振幅の分布が統計的に異なることを示し、この情報を利用することによって拡散強調画像に基づき基底核の微細構造を特定できる可能性を示した。
加えて、従来の構造MRI(T1強調画像)を用いて、自動セグメンテーションの精度向上を目的として，dilated convolution や残差ブロック，グループ正規化といった深層学習の手法を用いた並列構造のニューラルネットワークを提案した。この手法を2つの公開データセットに適用した結果，従来の代表的手法よりセグメンテーション精度が向上することを示した。

Research Products

• [Journal Article] A Robust and Accurate Deep-learning-based Method for the Segmentation of Subcortical Brain: Cross-dataset Evaluation of Generalization Performance (2021)
  • Author(s): Naoya Furuhashi, Shiho Okuhata, Tetsuo Kobayashi
  • Journal Title: Magnetic Resonance in Medical Sciences Volume: 20 Issue: 2 Pages: 166-174
  • DOI: 10.2463/mrms.mp.2019-0199
  • NAID: 130008046943
  • ISSN: 1347-3182, 1880-2206
  • Peer Reviewed
• [Journal Article] 精神・神経疾患の診断支援に向けた白質神経線維の形状類似性に基づくdata-drivenなクラスタリング手法 (2020)
  • Author(s): 神谷実花、奥畑志帆、小林哲生
  • Journal Title: 電子情報通信学会技術研究報告 Volume: 119 Pages: 5-10
• [Journal Article] An atlas-based whole-brain fiber-tracking method with automatic setting of an optimal starting plane in all parcels (2019)
  • Author(s): Shiho Okuhata, Hodaka Miki, Ryosuke Nakai, Tetsuo Kobayashi
  • Journal Title: Journal of Neuroscience & Biomedical Engineering Volume: 1 Pages: 28-36
  • Peer Reviewed
• [Journal Article] MR画像を対象とした深層学習による脳内皮質下領域のセグメンテーション (2019)
  • Author(s): 古橋直也、奥畑志帆、小林哲生
  • Journal Title: 電子情報通信学会技術研究報告 Volume: 119 Pages: 25-30
• [Presentation] 精神・神経疾患の診断支援に向けた白質神経線維の形状類似性に基づくdata-drivenなクラスタリング手法 (2020)
  • Author(s): 神谷実花、奥畑志帆、小林哲生
  • Organizer: 電子情報通信学会医用画像研究会
• [Presentation] MR画像を対象とした深層学習による脳内皮質下領域のセグメンテーション (2019)
  • Author(s): 古橋直也、奥畑志帆、小林哲生
  • Organizer: 電子情報通信学会医用画像研究会
• [Presentation] 拡散MRIトラクトグラフィにおけるモデル選択を用いた新たな方位分布関数の推定法 (2019)
  • Author(s): 矢野貴文、奥畑志帆、小林哲生
  • Organizer: 第3回ヒト脳イメージング研究会
• [Presentation] On diffusion MRI indices toward automatic detection of medial medullary lamina of the globus pallidus (2019)
  • Author(s): Shiho Okuhata, Ryusuke Nakai, Tetsuo Kobayashi
  • Organizer: 第42回日本神経科学会大会
• [Presentation] A novel method for white matter fiber clustering using the multiple attributes (2019)
  • Author(s): Koma Suzuki, Shiho Okuhata, Ryusuke Nakai, Tetsuo Kobayashi
  • Organizer: 第42回日本神経科学会大会