2021 Fiscal Year Annual Research Report
Imaging diagnosis of renal tumors using deep learning: 3D multichannel fusion images
| Project/Area Number |
19K09666
|
|---|
| Research Institution | Tokyo Medical and Dental University |
|---|
Principal Investigator |
藤井 靖久 東京医科歯科大学, 大学院医歯学総合研究科, 教授 (70282754)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
石岡 淳一郎 東京医科歯科大学, 医学部附属病院, 講師 (10596878) [Withdrawn]
熊澤 逸夫 東京工業大学, 科学技術創成研究院, 教授 (70186469)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 人工知能 / 画像診断 / 前立腺癌 / 腎腫瘍 / CT / MRI |
|---|
| Outline of Annual Research Achievements |
医療画像では読影診断能の向上とともに読影者間差異の解消が必要であり、人工知能の導入による発展が期待される分野である。今回の研究では複数の異なった画像を統合して人工知能で読影することを目標としたが、位相の異なる異なったモーダリティ（CT,MRIなど）の画像を統合することは困難であった。そこでまずはMRIのみでの異なった画像を後述するMulmoU-Netにより異なった画像のままで解析するモデルの開発を行い、これについては成功した。
医療画像の機械学習による前立腺癌自動識別モデルの開発研究として、これまでにT2強調MRI単独モデルを開発したが、今回、5種のMRI（T2強調画像画像、拡散強調画像、ADCマップ、造影早期画像、造影後期画像）から前立腺癌の有無および癌領域を識別するモデルの開発に取り組んだ。具体的には前立腺生検を施行した症例のT2強調画像、拡散強調
画像、ADCマップ、造影早期画像、造影後期画像、および生検病理データを収集し、MulmoU-Netによる機械学習ネットワークを作成した。
T2強調単独モデルでは感受性44％、陽性的中率38％、T2強調＋ADCマップモデルでは感受性71％、陽性的中率67%と診断能は向上した。さらに5種画像モデルでは感受性は72%と向上はわずかであったが、陽性的中率が80％に向上した（偽陽性が減少）。
今後は、本来の研究目的である腎腫瘍の画像診断においては、実臨床における画像診断のプロセスから、複数のCTおよびMRI情報を解析することが必要と考えられ、前立腺癌診断の機械学習モデル作成で得られた知見に基づき、U-Netをベースとしたモデルが有用である可能性を考えた。複数のCTおよびMRI画像（単純CT、造影CT皮髄相、造影CT実質相、T2強調MRI、ADCマップ）のデータを収集し、モデルの作成に着手した。
|
