Medical image interpretation support system based on appearance transformation of images

2022 Fiscal Year Final Research Report

• Project/Area Number: 19K20709
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 90130:Medical systems-related
• Research Institution: Kyoto University
• Principal Investigator: Yamamoto Utako 京都大学, 情報学研究科, 特別研究員(RPD) (70707405)
• Project Period (FY): 2019-04-01 – 2023-03-31
• Keywords: 画像変換 / MRI / 敵対的生成ネットワーク / Cycle GAN / 辞書学習 / 機械学習 / スパース推定 / 多装置

Outline of Final Research Achievements

Aiming to develop a technique to support radiologist in interpretations of radiograms, this study developed a method to transform slight differences in the appearance of MRI images obtained from multiple MRI scanners. As a research methodology, we developed an image appearance transformer based on the adversarial generative network (GAN). We also developed a program that performs sparse estimation to extract important elements. As a result of our research, we proposed a method that can perform image appearance transformations on MRI images of the human brain obtained from two MRI systems (1.5T and 3T).

Free Research Field

メディカルデータサイエンス

Academic Significance and Societal Importance of the Research Achievements

本課題の研究成果は、医師の読影を支援するために非常に重要である。異なるMRI装置から得られるMRI画像は同じ撮像方法で得られた画像であってもわずかに見た目の特徴が異なり、医師による読影を妨げとなることがある。MRI画像の見た目を均質にすることで、小さな異常を見逃すリスクを低減し、医師の診断精度を向上させることが期待できる。また、異なる撮像装置から得られたMRI画像だけでなく撮像時期の異なる画像への適用により、病気の早期発見など、患者の治療効果や予後の改善に寄与することが期待される。