2017 Fiscal Year Annual Research Report
| Project Area | Multidisciplinary computational anatomy and its application to highly intelligent diagnosis and therapy |
|---|
| Project/Area Number |
26108009
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
木戸 尚治 山口大学, 大学院創成科学研究科, 教授 (90314814)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
木村 浩彦 福井大学, 学術研究院医学系部門, 教授 (10242596)
法木 左近 福井大学, 学術研究院医学系部門, 准教授 (30228374)
稲井 邦博 福井大学, 学術研究院医学系部門, 准教授 (30313745)
金 亨燮 九州工業大学, 大学院工学研究院, 教授 (80295005)
平野 靖 山口大学, 大学院創成科学研究科, 准教授 (90324459)
橘 理恵 大島商船高等専門学校, 情報工学科, 准教授 (90435462)
間普 真吾 山口大学, 大学院創成科学研究科, 准教授 (70434321)
|
|---|
| Project Period (FY) |
2014-07-10 – 2019-03-31
|
| Keywords | 多元計算解剖 / 計算解剖 / 診断支援 / オートプシイメージング / データベース |
|---|
| Outline of Annual Research Achievements |
本計画班は領域内各計画班と連携し，空間軸，時間軸，機能軸，病理軸の4軸に基づいた多元計算解剖モデルを利用して構築した画像診断支援システムの臨床展開を行うことを目的としている．研究としては，臨床画像診断を対象としたコンピュータ支援診断に関する研究と，オートプシーイメージ画像(Ai画像)と病理画像などを対象とした画像診断支援に関する研究をおこなっている．コンピュータ支援診断に関する研究としては，びまん性肺疾患や肺癌を対象としたシステムの作成をおこなっている．また，Ai画像に関してはテクスチャ情報を用いた死後時間推定や剖検肺の三次元スキャン画像とCT画像のレジストレーションをおこなっている．
臨床画像診断を対象としたコンピュータ支援診断に関する研究としては，主としてディープラーニングを用いて，代表的な肺疾患であるびまん性肺疾患と肺結節を対象とした診断支援システムの構築をおこなった．画像分類に関してはConvolutional Neural Network（CNN）に加えてNeural Network Convolution（NNC）による評価をおこなった．さらに画像分類だけでなくConv-deconv net，Fully-convolutional network (FCN)，U-netを用いてびまん性肺疾患や肺結節の領域抽出をおこなった．また機能評価として肺の術後シミュレーションに関する研究をおこなった．Ai画像に関しては従来の死後時間推定にディープラーニングの手法を加えることにより，ロバスト性を高めた推定法の開発をおこなった．また剖検肺の高精度な三次元表面構造データとCT画像のレジストレーションにより，表面構造情報を保持した三次元臓器モデルの作成をおこなった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
胸部領域のコンピュータ支援診断システム開発に関して，平成29年度はディープラーニングの技術を取り入れ，より多様な疾患に対するロバストなシステムの構築をおこなった．また類似画像検索技術を用いて，典型的なびまん性肺疾患に対する診断支援をおこなった．機能軸としては肺葉切除術に対する術後肺の回復過程のシミュレーションや気管支の気流シミュレーションによる予後予測などのアルゴリズムの開発をおこない，時間軸に関しては，肺結節の経時差分技術を用いた肺結節の検出のアルゴリズムの開発をおこなった．
三次元スキャナを用いた臓器モデルの作成に関して，現在は人体や臓器の表面に着目した画像データ収集はあまりおこなわれていないが，本研究では，これらの表面構造に着目して剖検臓器の三次元スキャナを用いた表面画像データ収集をおこなっている．本研究では，びまん性肺疾患研究の第一人者である福井大学の伊藤春海特任教授の指導のもと，伸展固定肺標本を対象として高精度な三次元表面構造データの取得に成功しており，本年はこのような表面画像データとCT画像のレジストレーションにより，表面構造情報を保持した三次元臓器モデルの作成をおこなった．この研究はA01奈良先端大との共同研究で実施した．このような三次元モデルは医学生や研修医の臨床教育や外科手術のシミュレーションにおいて有用であると考えられ， 3Dプリンターを用いて個体ごとの臓器モデルを作成することにより，現在のものよりもより有用な臓器構造の再現をおこなうことが可能であると期待される．
|
| Strategy for Future Research Activity |
肺結節やびまん性肺疾患に対する胸部領域コンピュータ支援診断アルゴリズムの開発に関しては，特にディープラーニング技術を取り入れることにより，病変の鑑別だけではなく検出や領域抽出の手法も開発している．今後はより高精度化をめざし，多様な疾患に対するロバストなシステムの構築をおこなう．ディープラーニングにおいては大量の正解ラベル付き画像を放射線科医が作成する必要があるが，われわれはこの作業負担を軽減し，様々な病変に対する正解ラベル画像を大量に作成する手法を提案する．そのひとつは教師無し学習と呼ばれる手法で，コンピュータ自らが診断基準を定めて画像にラベル付けをする．また，少数の正解データと大量のラベル付けされていない画像を用いる半教師あり学習が提案されており，われわれはこのような教師なし学習と半教師あり学習を用いて大規模な正解ラベル付きの画像症例データベースを構築する．
Ai画像の解析研究は，福井大学や東京農工大学などから症例やアルゴリズムの提供を受けて連携研究をおこなっている．特に死亡時間の推定をテクスチャから精度良くおこなうことに力を入れている．またディープラーニングを用いたことにより高精度でロバストな推定をめざしている．また，新しいモダリティとして三次元スキャナ画像データを取得し，CT画像のレジストレーションによる表面構造まで再現した臓器モデルの作成を引き続きおこなう．現在伸展固定肺標本を対象として高精度な三次元表面構造データの取得に成功しており，このような表面画像データと生前・死後CT画像のレジストレーションにより，表面構造情報を保持した三次元臓器モデルの作成をすることを試みる．この研究はA01奈良先端大との共同研究ですでに実施中である．さらに新しく伸展固定肺標本作製器を導入し対象症例を増加させることを計画している．
|
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
[Presentation] Detection of Abnormal Candidate Regions on Temporal Subtraction Images Based on DCNN2017
Author(s)
Nagao, Miyake, Yoshino, Lu, Tan, Kim, Murakami, Aoki, Hirano, Kido
Organizer
he 17th International Conference on Control, Automation and Systems
Int'l Joint Research
-
-
-
-
-
-
-
-
-
-
-
