2014 Fiscal Year Research-status Report
SPECT脳画像に基づくin silico疾患判別に関する研究
| Project/Area Number |
25870406
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
岡本 晃典 大阪大学, 薬学研究科(研究院), 助教 (70437309)
|
|---|
| Project Period (FY) |
2013-04-01 – 2017-03-31
|
| Keywords | 画像の識別 / データマイニング / 画像診断 / 知識の発見 |
|---|
| Outline of Annual Research Achievements |
局所脳血流量や代謝を調べる方法として、single photon emission computed tomography (SPECT) があり、脳血流量の低下を伴う疾患の早期診断に用いられている。得られた画像を視覚的に評価、診断する際の問題点として、読影者の経験による正診率の相違や、画像の表示方法の違いによる視覚的な印象の変化などがありえるため、より客観的な情報として提示することが必要である。そこで、医師の診断支援を目的に、統計的な解析による血流量の異常部位の提示や画像データの特徴に基づく健常者と患者間の機械的な判別法などが研究されている。しかし、時として類似の症状を示す複数の疾患間を判別することは、未だ困難な試みである。そこで本研究では、過去の確定診断画像例における血流低下情報を基に疾患判別予測などを試み、SPECT画像診断時の情報支援につながるin silico予測モデルの構築を目的とする。
平成27年度は初年度の結果を受けて、疾患判別予測モデルの変数として使用している脳血流量画像の画素情報を基に、三次元的な位置関係も情報として含む距離指標を新たに算出し、予測モデルの改善を図った。残念なことに新たな距離指標では予測性能の改善は見られなかった。改善されなかった理由の一つとして、画素情報をグルーピングしている脳機能部位が大きすぎることが考えられたため、先に脳機能部位の細分化、及びその細分化された新たなグルーピングに基づき変数を算出し、疾患判別予測モデルを作成し、予測性能を評価したところ、初年度の予測モデルと同程度の予測性能を示した。今後は、引き続き冗長な変数の削減やグルーピングの変更などにより予測モデルの改善に取り組むと共に、最分解された脳機能部位の変数としての重要性を明示することにも取り組む。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度の二疾患（アルツハイマー病とパーキンソン病）の疾患判別モデルの構築と予測性能評価の結果を受けて、当初計画通り、三次元空間座標内における位置関係を情報として含んだ距離指標を導出し、それらを変数として使用した判別モデルの構築と性能評価を行った。しかし性能評価の結果に改善が見られなかった。脳血流量画像の１画素単位で比較を行い距離指標化することは空間内の位置関係をより顕わに表すことが出来るが、一方で疾患の判別にはノイズとなる情報を多く含むことが懸念されたため、初年度の判別モデル構築時に脳機能部位に基づいて画素情報をグルーピング（Talairach標準脳のLevel 2によるグルーピングを利用）して変数としたが、作成されたグループによってはかなり広範囲に及ぶものがあり、三次元の位置関係を情報として利用する価値が低下した可能性が考えられた。そこで、先により細分化したグルーピング（Talairach標準脳のLevel 2及びLevel3によるグルーピングを利用）を行い、判別モデルを構築することとした。その結果、初年度の判別モデルと同程度の予測性能を示す、より細分化された部位情報に基づく判別モデルが構築できた。この判別モデルにおける変数の重要性を基に、より細分化された部位情報において二疾患の判別に重要な部位を示すことが出来れば、疾患の判別に有用な情報提供につながるものと期待できる。以上より、おおむね順調に推移していると判断した。
|
| Strategy for Future Research Activity |
空間座標での位置関係の情報を取り入れた疾患判別モデルを作成したが、予測性能の改善にはつながらなかったため、先に画素情報をまとめたグループの細分化を行い、判別モデルを作成した。
そこで今後の目標として、より細分化されたグループから算出された変数に基づく疾患判別モデルにおいて、冗長な変数の削減など予測性能の改善を試みることを優先する。さらにその疾患判別モデルにおける変数の重要性の情報を基に、疾患の判別に重要と評価された脳機能部位を情報提供できるようにする。その上で予測性能に向上の余地があるようであれば、空間上の位置関係を情報として利用することも検討する。また、他疾患への応用であるが、まず現在対象としている二疾患（アルツハイマー病とパーキンソン病）での検討を十分に進めた上で応用した方が効率的であるため、まず二疾患での検討に注力する。
|
| Causes of Carryover |
研究を進めていく上で必要に応じて研究費を執行したため、当初の見込み額と執行額が異なる結果となった。
また、執行額が計画よりも既に超過した『その他』については、初年度に報告したように、ソフトウェアは全て物品費として計上されると考え計画を作成したが、実際にはWeb配信型のソフトウェアは『その他』に計上するという、費目区分に対する理解不足があったためであり、研究実施上の問題があったわけではない。
|
| Expenditure Plan for Carryover Budget |
研究の実施について当初計画通りとはいかなかったが、計画済みのリカバリー案に沿って研究実施を進める予定であり、研究費も同様に当初予定通りに執行を進める予定である。
|
