2017 Fiscal Year Research-status Report
4次元DCNNを用いたEOB-MR画像における肝結節性病変自動検出システムの開発
| Project/Area Number |
17K17653
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
竹永 智美 東京大学, 医学部附属病院, 特任研究員 (80779786)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 4D-DCNN / FC-ResNet / Gd-EOB-DTPA / CADe / MRI |
|---|
| Outline of Annual Research Achievements |
今年度実行した内容は下記の3項目である。
（1）肝臓のセグメンテーション 本研究の前段階として肝臓のセグメンテーションを2手法（①ルールベースによる手法，②FC-ResNetによる手法）で行った。①ルールベースによる手法は3時相の画像を使用し，12症例でDice係数0.87という結果であった．しかしながらコンシステンシーテストであるため，肝臓の染まりが悪いなど12症例にない性質をもつ症例に対応できないこと，病変の位置が肝表面にある場合，病変が肝臓外となってしまうことなどの問題点があった。一方，②FC-ResNetによる肝臓抽出では症例数を増やし30症例で学習，10症例でテストを行った．本手法では病変の位置も含めた肝臓抽出が可能であり，Dice係数0.91と高精度かつロバストな抽出が可能となった．②の成果は現在論文にまとめているところである。
（2）肝結節性病変の検出 初期検出として肝細胞相のみの画像を使用した3D-DCNNにより病変の検出を試み，1症例当たりの偽陽性数が59.8個のとき感度58.5％であった（本成果については国際会議に報告済みである）。入力を5時相とする4D-DCNNでの病変検出では1症例当たりの偽陽性が13.1個のとき感度50％であり大幅に精度が向上した。この成果を次年度の6月に国際会議であるCARS2018にて発表予定である。
（3）データベースの拡充 当初の予定では100症例分の病変のラベル画像作成を目標としていたが，120症例分のデータを作成することができた。また，肝臓のセグメンテーションのため50症例分の肝臓ラベルを作成した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究の前段階である肝抽出をロバストに行うことが可能となった。また，肝結節性病変の検出についての初期成果を国際会議で報告することができた。
|
| Strategy for Future Research Activity |
ロバストな肝抽出法と4D-DCNNによる肝結節性病変の抽出を組み合わせて，病変の検出精度の工場を図る。また，当初の目標であった100例の正解ラベルの作成は達成したため，さらなる大規模データベースの構築を進める。
|
| Causes of Carryover |
次年度に英文校閲，PC購入を検討しているため繰り越した。
|
