2018 Fiscal Year Annual Research Report
テンソルスパース表現による多時相CT画像の時空間特徴抽出と肝腫瘍性病変の診断支援
| Project/Area Number |
18H03267
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岩本 祐太郎 立命館大学, 情報理工学部, 助教 (30779054)
韓 先花 山口大学, 大学院創成科学研究科, 准教授 (60469195)
古川 顕 首都大学東京, 人間健康科学研究科, 教授 (80199421)
金崎 周造 滋賀医科大学, 医学部, 非常勤講師 (90464180)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 肝腫瘍性病変 / テンソルスパース表現法 / 深層学習 / 肝臓のセグメンテーション / 診断支援 / 類似症例検索 / 鑑別と分類 / 時空間特徴 |
|---|
| Outline of Annual Research Achievements |
肝臓がんは、平均5年生存率が30％程度とがん全体の中でも極めて低く、正確な診断に基づく早期発見が求められる。肝臓がんの診断には、多時相CT画像（造影剤を急速注入してから経時的に複数回の撮像を行なって得られたCT画像）がよく用いられる。本研究では、肝腫瘍性病変の計算機支援診断法の確立を目的とし、多時相CT画像から有効な時空間特徴抽出のフレームワークを構築するとともに、肝腫瘍性病変の鑑別と診断の参考となる過去の類似肝腫瘍性病変症例を検索できるシステムを開発する。初年度の2018年度において、以下の研究成果が得られた。
(1)CT画像から高精度で肝臓領域をセグメンテーションする三つの手法（Random WalkとSuper Pixelを組み合わせた手法、深層学習（U-Net）とGANを組み合わせた手法、対話的深層学習法）を開発した。それぞれ国際学術誌CMIG(雑誌発表１）, JOIG（雑誌発表2)と国際学会InMed2019(学会発表9, 10)で発表した。
(2)テンソルスパースコーディング法を開発し、多時相CTの時空間特徴を抽出し、肝腫瘍性病変の鑑別法を開発した。また、近年注目されている深層学習法（CNNとLSTMを組み合わせた手法）を用いた肝腫瘍性病変の鑑別法も開発した。それらの成果は、医用画像分野のトップ国際学会MICCAIなどで発表した(学会発表5, 6, 7)。
(3)診断の参考となる過去の類似肝腫瘍性病変症例を検索できるプロットタイプシステムを開発し、その有用性を検証した。その成果は国際学術誌JCARS(雑誌発表3)で掲載された。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
(1) 前処理法としての肝臓領域分割について計画通りに実現ができた。また、近年注目されている深層学習法による肝臓領域の分割ほうも開発した。
(2) 当初計画していたテンソルスパース表現法による肝腫瘍性病変の鑑別法を開発しただけではなく、近年注目されている深層学習法による肝腫瘍性病変の鑑別法も開発した。もっとも高い鑑別（分類）精度を実現した。
(3) 国際学術誌に論文３編、国際学会での招待講演４件、一般講演（トップ国際学会MICCAIを含めむ）に論文9編を発表した。
(4)中国の浙江大学（中国のトップ３に入っている大学)と国際連携で研究を進めており、共同で研究成果を発表した。
|
| Strategy for Future Research Activity |
（１）現在腫瘍領域について、医師が手動でannotationしているが、今後は自動で腫瘍候補領域を検出し、腫瘍をセグメンテーション手法を開発する。
（２）多時相CTから高精度に時空間特徴を抽出する手法を開発し、鑑別精度を向上させる。
（３）肝臓と腫瘍の検出とセグメンテーション、肝腫瘍性病変の鑑別、類似症例検出する、診断支援システムを開発する。
（４）開発したシステムの有用性を検証する。
|
