• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

深層生成モデルを応用した強い汎化性能を持ったradiomics解析方法の開発

Research Project

Project/Area Number 22K16700
Research Category

Grant-in-Aid for Early-Career Scientists

Allocation TypeMulti-year Fund
Review Section Basic Section 56010:Neurosurgery-related
Research InstitutionInstitute of Physical and Chemical Research

Principal Investigator

高橋 慧  国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (00852120)

Project Period (FY) 2022-04-01 – 2025-03-31
Project Status Granted (Fiscal Year 2023)
Budget Amount *help
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
KeywordsGlioma / radiomics / CycleGAN / radiogenomics / Deep generative model / 脳腫瘍 / 神経膠腫 / MRI / 深層生成モデル / IDH変異 / Radiomics / 機械学習モデル
Outline of Research at the Start

神経膠腫の腫瘍特性の予測においてradiomics解析は有用な方法であると考えられているが、社会実装において解決すべき問題が残されている。Domain shiftによる機械学習装置の予測精度の低下の問題がその最たるもの一つである。いくつかの解決方法が研究されているが、最も有望な解決方法の1つはデータの独自性を維持しながら、ある程度分布を揃える方法である。我々はその方法として、深層生成モデルの応用を提案する。本研究はdomain shift問題の解決のみならず、潜在的に本邦のMRIを始めとした蓄積された大量の医療用データの利用価値を高める可能性がある。

Outline of Annual Research Achievements

神経膠腫の腫瘍特性の予測においてradiomics解析は有用な方法であると考えられているが、社会実装において解決すべき問題が残されている。Domain shiftによる予測精度の低下の問題がその一つである。いくつかの解決方法が研究されているが、モデルではなくデータにアプローチする方法の方がより応用範囲が広い。そして深層生成モデルはデータの独自性を維持しながら、ある程度その分布を揃えることができる。本研究の目的は神経膠腫の腫瘍特性の予測を行う機械学習装置の、domain shiftに起因する性能の低下を深層生成モデルの応用で解決を図ることである。本年度は研究実績として、3回の学会発表を行った。また、研究を通じて得られた知見を査読付きの日本語論文一編にまとめた。また、本研究の結果をMedical Image Analysis誌に投稿中である(under review)

令和5年度の主たる研究目標はStyle変換後の画像を上手く利用できるような予測装置の作成方法を確立することであった。昨年度の成果を基にCycleGANにてstyle変換を行なった画像を入力とした場合、変換を行わなかった場合に比して、Domain shiftによる性能の低下が抑えられる可能性があることがわかった。次に、style変換を行なわないMRI画像においてでどのようなモデルがIDH変異予測を行うradiogenomics的なタスクに有効であるのかを調べることとした。モデルごとに大きな差があることが判明したのでこの結果をMedical Image Analysis誌に投稿中である(under review)

Current Status of Research Progress
Current Status of Research Progress

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

Reason

令和5年度は1.悪性度や遺伝子変異の予測装置の作成を行う。2. 作成した予測装置の精度を検証する。3. 2.で作成した変換器を用いて変換前の画像と変換後の画像で性能が変化するかを検討する。 4. 得られた知見から精度が高く強い汎化性能を持った画像変換機と予測機の開発を試みる予定であった。概ね研究は順調に進んでいる。まず、神経膠腫において最も重要な遺伝子変異であるIDH変異予測を行う機械学習を装置を作成した。初めに作成した機械学習装置は先行論文の構造を模したものであったが、先行研究と同程度の性能を公開データセットで示した。一方で公開データセットで学習したモデルを使い、プライベートデータセットのIDH変異予測を行うとDomain shiftによる予測性能の低下が予想通り起こった。次にCycleGANにて画像のstyle変換を行ない擬似的にDomainを合わせた場合、Domain shiftによる性能の低下が抑えられるのか否かの検証を行なった。結果として、CycleGANによる画像のstyle変換はDomain shiftによる性能の低下に対して有効で可能性があることがわかった。次に、一旦style変換を行なわない画像においてでどのようなモデルがradiogenomics的なタスクに適しているのかを調べることとした。より具体的にはどのような構造のモデルが高い精度を示し、そしてDomain shiftによる予測精度の低下に頑強であるのかを調査した。結果として、モデルごとに大きく予測性能が違うことが判明し、特定のモデルが特に有用であることがわかった。このモデルは先行研究よりも予測精度が高く、かつDomain shiftによる予測精度の低下に頑強であった。

Strategy for Future Research Activity

概ね順調に研究が進んでいると考えているので、当初の予定通り令和6年度の研究予定を推進する予定である。しかし、思ったよりもモデルの工夫でDomain shiftを抑えることができる可能性があること、加えてCycleGAN大きな計算リソースを要求するシステムであることを考え合わせるとモデルの工夫にも注力を行おうと考えている。このため計画が変更になる可能性がある。

1. 変換機でstyle変換をした画像も学習に使い予測機を作成し、2. style変換後の画像が学習用データとしても有用であるかを検討する。具体的には、BraTSデータセットで使用した予測機の精度向上にBraTS styleに変換したNCCの画像が有用であるかを検討する。この場合はBraTSデータセットのテスト部分に対する成績がより重要である。3. 臨床現場への実装の模索を行う。

また、上記の予定に加えて人間と機械学習装置の比較試験も進めている。現在、脳外科医レジデント5名、脳外科専門医5名、神経放射線科医5名の試験を完了している。あと、数名の神経放射線科医に読影実験にご協力を頂き結果を論文化する。

Report

(2 results)
  • 2023 Research-status Report
  • 2022 Research-status Report
  • Research Products

    (8 results)

All 2023 2022 2007

All Journal Article (1 results) (of which Peer Reviewed: 1 results) Presentation (7 results)

  • [Journal Article] 目次2007

    • Author(s)
      高橋 慧、高橋雅道、河野伸次、高澤建、田中 將太、辛 正廣、成田 善孝、浜本隆二
    • Journal Title

      Japanese Journal of Neurosurgery

      Volume: 16 Issue: 12 Pages: Cover11

    • DOI

      10.7887/jcns.16.Cover11

    • NAID

      130006820182

    • ISSN
      0917-950X, 2187-3100
    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Presentation] Robustness and Explainability of Visual Transformers and Convolutional Neural Networks in Glioma Radiogenomics Tasks2023

    • Author(s)
      高橋 慧
    • Organizer
      第82回日本癌学会学術総会
    • Related Report
      2023 Research-status Report
  • [Presentation] MRIより神経膠腫のIDH変異を予測する2つの深層学習モデルの多施設性能比較試験2023

    • Author(s)
      高橋 慧
    • Organizer
      第82回日本脳神経外科学会総会
    • Related Report
      2023 Research-status Report
  • [Presentation] Visual transformer モデルを用いたIDH変異予測モデルの多施設性能比較試験2023

    • Author(s)
      高橋 慧
    • Organizer
      第41回日本脳腫瘍学会
    • Related Report
      2023 Research-status Report
  • [Presentation] 多施設で運用可能なMRIを用いた脳腫瘍遺伝子診断装置開発のための初期検討 -施設間画像差の可視化-2022

    • Author(s)
      高橋 慧
    • Organizer
      第4回日本メディカルAI学会学術集会
    • Related Report
      2022 Research-status Report
  • [Presentation] CycleGAN can be a solution to develop robust IDH mutation predicting model.2022

    • Author(s)
      高橋 慧
    • Organizer
      第81回日本癌学会学術総会
    • Related Report
      2022 Research-status Report
  • [Presentation] 多施設で運用可能なMRIを用いた脳腫瘍遺伝子診断装置開発のためのCycle GANの応用可能性2022

    • Author(s)
      高橋 慧
    • Organizer
      日本脳神経外科学会 第81回学術総会
    • Related Report
      2022 Research-status Report
  • [Presentation] 深層生成モデルのRadiogenomicsへの応用2022

    • Author(s)
      高橋 慧
    • Organizer
      第40回日本脳腫瘍学会学術集会
    • Related Report
      2022 Research-status Report

URL: 

Published: 2022-04-19   Modified: 2024-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi