磁気共鳴画像を用いた新規脳容積評価法（Sy-VBM）による脳萎縮の早期発見

• Project/Area Number: 20K08057
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Juntendo University
• Principal Investigator: 後藤 政実 順天堂大学, 保健医療学部, 先任准教授 (30375844)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Project Status: Completed (Fiscal Year 2023)
• Budget Amount: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000); Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2021: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2020: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
• Keywords: 磁気共鳴画像 / 脳萎縮 / 脳機能 / Synthetic MRI / VBM

Outline of Research at the Start

磁気共鳴（MR）画像をVoxel-based morphotometry（VBM）解析し脳容積評価を行う手法は、脳変性を伴う多数の疾患を対象とした解析に加え、老化による脳形態変化などを含めた広い領域で利用されている。本研究は、脳組織のMR定量値を算出することにより作成された画像をVBM解析に応用した新規脳容積評価法（Sy-VBM）を構築し、これまでのVBM解析より非常に高い感度で脳容積変化を捉え、脳萎縮が原因となる疾患の早期発見、高精度バイオマーカーの役割を果たすことを目的とする。

Outline of Annual Research Achievements

最終年度に実施した研究の成果：令和4年度の実施状況報告書において、『Accuracy of skull stripping in a single-contrast convolutional neural-network model on eight contrast magnetic resonance images』 とういタイトルで論文作成したことを報告したが、この論文が掲載された（Radiol Phys Technol、2023 Sep;16(3):373-383.）。近年、深層学習による脳領域抽出法に関する技術開発が進み、我々が進めている研究においてもその技術を取り入れる必要がでてきた。そこで、深層学習を用いた脳領域抽出法を開発し、その精度と再現性について検証を行い、これまでの手法に比較し優れていることを学会報告した（第51回日本磁気共鳴医学会大会、2023年9月）。
研究期間全体を通じて実施した研究の成果：脳組織のMR定量値をSyntheticMRIにより算出し、作成された画像をVBM解析に応用した新規脳容積評価法（Sy-VBM）を構築し、これまでのVBM解析より非常に高い感度で脳容積変化を捉え、脳萎縮が原因となる疾患の早期発見、高精度バイオマーカーの役割を果たすために研究を進めた。SyntheticMRIで得られたデータを用いることが、従来型VBMより優れた再現性と正確性を実現できること、SyntheticMRIで得られる複数データの最適な組み合わせについて学会報告、論文掲載を行った。近年、技術開発が進んでいる深層学習の手法を取り入れることは、我々の研究目的を達成するために必要な事であり、その解析手法構築に期間を必要としたため、当初予定していた疾患群での有用性を証明できていない。しかし、今後の研究において、それを実現していく予定である。

Research Products

• [Journal Article] Accuracy of skull stripping in a single-contrast convolutional neural network model using eight-contrast magnetic resonance images (2023)
  • Author(s): Goto M, Otsuka Y, Hagiwara A, et al.、
  • Journal Title: Radiol Phys Technol Volume: 16 Issue: 3 Pages: 373-383
  • DOI: 10.1007/s12194-023-00728-z
  • Peer Reviewed
• [Journal Article] Analysis of synthetic magnetic resonance images by multi-channel segmentation increases accuracy of volumetry in the putamen and decreases mis-segmentation in the dural sinuses. (2023)
  • Author(s): Goto M, Fukunaga I, Hagiwara A, Fujita S, Hori M, Kamagata K, Aoki S, Abe O, Sakamoto H, Sakano Y, Kyogoku S, Daida H.
  • Journal Title: Acta Radiol. Volume: 64 Issue: 2 Pages: 741-750
  • DOI: 10.1177/02841851221089835
  • Peer Reviewed
• [Journal Article] Using modulated and smoothed data improves detectability of volume difference in group comparison, but reduces accuracy with atlas-based volumetry using Statistical Parametric Mapping 12 software. (2022)
  • Author(s): Goto M, Murata S, Hori M, Nemoto K, Kamatgata K, Aoki S, Abe O, Sakamoto H, Sakano Y, Kyogoku S, Daida H.
  • Journal Title: Acta Radiol. Volume: Online ahead of print Issue: 6 Pages: 0-0
  • DOI: 10.1177/02841851211032442
  • Peer Reviewed
• [Presentation] ディープラーニングベースの脳区域抽出ソフトウェアの精度と再現性 (2023)
  • Author(s): 後藤政実 鎌形康司 高林海斗 他
  • Organizer: 第51回日本磁気共鳴医学会大会
• [Presentation] Accuracy of skull stripping in a single-contrast convolutional neural-network model on eight contrast magnetic resonance images. (2022)
  • Author(s): Goto M, Otsuka Y, Hagiwara A, Fujita S, Hori M, Kamagata K, Aoki S, Abe O, Sakamoto H, Sakano Y, Kyogoku S, Daida H.
  • Organizer: The 22nd International Society of Radiographers and Radiological Technologists (ISRRT)
• [Presentation] Decreased mis-segmentation in SPM 12: multi-channel analysis of synthetic magnetic resonance imaging (2020)
  • Author(s): Goto M, Fukunaga I, Hagiwara A, et al.
  • Organizer: 第22回日本ヒト脳機能マッピング学会