2019 Fiscal Year Research-status Report
精神疾患の多施設脳画像データと機械学習による脳画像特徴抽出の試み
| Project/Area Number |
18K07597
|
|---|
| 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)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大石 直也 京都大学, 医学研究科, 特定准教授 (40526878)
山下 祐一 国立研究開発法人国立精神・神経医療研究センター, 神経研究所 疾病研究第七部, 室長 (40584131)
孫 樹洛 京都大学, 医学研究科, 研究員 (60771524)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 脳画像 |
|---|
| Outline of Annual Research Achievements |
統合失調症などの精神障害の病態解明に脳画像技術が援用されているが、その病態は十分に解明されていない。その要因の一つに、精神障害の背景にある病態が均一でないことが挙げられる。こうした異種性を持つ疾患の病態解明には、より大きなサンプルサイズが必要となり、多施設によるデータ収集が不可欠となる。 一方、多施設データセットには施設間差が含まれており、その影響は大きい。本研究では、多施設で収集された統合失調症脳画像データの施設間差を除去し、脳画像における精神疾患の特徴そのものを抽出し、さらに、異種性を考慮に入れた解析を行うシステムを構築することを目的とした。
本目的を達成するため、京都大学および他施設における複数の機種で撮像した構造MRI画像を解析した。サンプルは統合失調症患者合計289名、健常対象者合計754名を用いた。構造MRI画像前処理し、得られた脳領域の情報を用いた。 これを施設間差を補正せずに解析したところ、当初の予想通り、施設間および機種間の影響は著しく強く、患者ー被験者間の差(すなわち、疾患の影響)より大きいことが示された。
これを機械学習で除去する試みを行ったが、学習が収束しなかった。サンプル数が不足しているめと考えられた。 また、一般に公開されている施設間差を除去する手法を用いて補正し解析したところ、施設間差が除去されることが示唆された。また、教師ラベルが不要な深層学習技術である畳み込み自己符号化器を使用した特徴量抽出を試み、畳み込み層数が3以下のモデルで十分な他施設での汎化性能を得た。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
現時点で他施設および複数の機種により撮像されたデータを収集している。これに対し前処理したデータを用い、複数の解析を試みている。そのうちいくつかは目的とする施設間差を除去することに成功しているように考えられる。また、施設間差を補正したデータを用いた解析では臨床的に意義のある特徴を抽出していることが示唆された。このように本研究は概ね順調に進展していると考えている。
|
| Strategy for Future Research Activity |
今後もデータの収集を続け、臨床的に意義のある特徴量を抽出可能とする、さらなる施設間差の補正方法を探索する。
|
| Causes of Carryover |
概ね予定通し支出したが、予定より安価であった物品もあったため、216円を繰り越した。
|
Research Products
(5 results)
