2023 Fiscal Year Annual Research Report
A fundamental research on curation and verification methods of learning data to promote AI-CAD development
| Project/Area Number |
21K07636
|
|---|
| Research Institution | National Hospital Organization, Kyushu Medical Center (Clinical Institute) |
|---|
Principal Investigator |
野口 智幸 独立行政法人国立病院機構九州医療センター(臨床研究センター), その他部局等, 放射線部長 (40380448)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松下 由実 国立研究開発法人国立国際医療研究センター, 臨床研究センター, 臨床研究統括部 室長 (50450599)
志多 由孝 国立研究開発法人国立国際医療研究センター, センター病院, 放射線診療部門・放射線管理室医長 (50774668) [Withdrawn]
山下 孝二 九州大学, 医学研究院, 助教 (80546565)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | Deep learning / 機械学習 / 深層学習 / 腹部CT / 骨格筋 |
|---|
| Outline of Annual Research Achievements |
最終年度として、内臓脂肪面積測定で撮影される臍部レベルの腹部コンピュータ断層撮影（CT）を用いてAIで画像解析し骨格筋の抽出を実施し、骨格筋量測定が可能かどうか検討した。
対象は、研究協力施設でメタボリックシンドロームスクリーニング検診を受けた7,370例の被験者の11,494スライスの低線量腹部CT画像データを用い、骨格筋量測定のためのディープラーニングモデル（DLM）の抽出能を評価した。補足データセットとして、5,801枚の腹部CT画像を含む公開されたCancer Imaging Archive（TCIA）データセットを使用した。腹部CT画像の抽出には、異なるフィルタサイズと階層深度を持つSegU-net DLMを使用した。
結果として、セグメンテーションの精度は、ダイス類似係数（DSC）、断面積（CSA）誤差、およびBland-Altmanプロットを測定し評価した。結果として、DSCが0.992 +/- 0.012、CSA誤差が0.41 +/- 1.89%、Bland-Altmanのパーセント差が-0.1 +/- 3.8%を達成した。
結論としてSegU-net DLMは、低線量腹部CTから高精度で骨格筋量測定を自動的に抽出可能であることが確認できた。以上の結果を英語論文発表した。
|
