脳画像における精神疾患の特徴量抽出を可能にする汎用性の高い深層学習モデルの構築

• Project/Area Number: 22K07574
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52030:Psychiatry-related
• Research Institution: Tokyo Medical and Dental University
• Principal Investigator: 杉原 玄一 東京医科歯科大学, 大学院医歯学総合研究科, 准教授 (70402261)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000); Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
• Keywords: 脳画像 / 精神疾患 / 深層学習 / 機械学習 / 脳画像解析

Outline of Research at the Start

深層ニューラルネットワーク (DNN) を用いた機械学習は、多量の情報の次元を削減し、その隠れた特徴量を抽出することに長けている。近年、DNNの応用は精神疾患の脳画像研究にも広がっている。本申請研究では、複数のモダリティの精神疾患の脳画像データセットに対し、その次元削減し特徴量抽出を行う汎用性の高いDNNを構築する。さらに、このDNNの精神疾患の脳画像解析への応用を探索・検証する。

Outline of Annual Research Achievements

本研究では、深層ニューラルネットワーク (Deep Neural Network; DNN) の情報の次元を削減し、その隠れた特徴量を抽出する長所を活かし、精神疾患脳画像研 究に用いられる多モダリティの脳画像の次元削減・特徴量抽出を行う汎用性の高いDNNを構築し、このDNNの精神疾患の脳画像解析への応用を探索・検証することを目的とする。入手した脳画像データセット（統合失調症、双極性障害、自閉症、注意欠如多動症を持つ被験者及び健常被験者の構造MRI、安静時機能的MRIが含まれる。合計1500名以上）に前処理（データ形式の整備、ノイズ除去、空間的標準化、平滑化、クオリティチェックなど）を行い、このデータを用いて機械学習的手法で機能的脳結合から精神疾患において疾患横断的な神経基盤の抽出を試みた。また、公開されている機能的脳画像の次元圧縮法を援用し、複数の施設での安静時機能的MRIのデータセットにおいて、脳画像データを256次元まで圧縮し、適切に再構成されることを確認した。抽出した256次元の特徴量を用い、多変量自己回帰隠れマルコフモデルを用いて機能的MRIの時間的変化状態の推測を行い、その疾患ごとの特徴を検証した。さらに脳画像における撮像施設間差を軽減する深 層学習モデルによってある施設の脳画像を別の施設で撮像した脳画像に変換することに成功し、この成果は論文投稿中である。以上に示したように、深層学習モデルを含めた機械学習を用いた脳画像処理法の検証を進めている。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

上述したように脳画像解析に関しては概ね順調に進捗している。ただし、機械学習関連の世界的進歩は著しく、その進歩を取り入れるべく新たな方法の検証も行っている。

Strategy for Future Research Activity

今後、データの収集を継続するとともに、複数のモダリティも対象に汎用性のある深層学習モデルの構築を目指す。