2016 Fiscal Year Annual Research Report
乳房MRIにおける病変形態と代謝・生理機能の解析に基づく高度知能化診断システム
Publicly Offered Research
| Project Area | Multidisciplinary computational anatomy and its application to highly intelligent diagnosis and therapy |
|---|
| Project/Area Number |
15H01118
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
中山 良平 立命館大学, 理工学部, 准教授 (20402688)
|
|---|
| Project Period (FY) |
2015-04-01 – 2017-03-31
|
| Keywords | 知能化診断システム / 乳房MRI / AI / 畳み込みニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，複数シーケンスで撮影された乳房MRI画像から，病変の画像特徴と代謝・生理機能を統合的に解析することにより，良悪性の可能性を評価する高度知能化診断システムを構築することである．
まず，ダイナミック乳房MRI画像（DCE-MRI）における腫瘤病変の良悪性分類アルゴリズムを構築した．約85%の正答率が得られたが，有効径が1cm未満の腫瘤病変の分類精度が著しく低い課題があった．これは，空間分解能の低いDCE-MRIにおいて，小さな腫瘤病変の形状を正確に解析することが困難であったことが原因である．そこで，超解像技術を用いてDCE-MRI画像の空間分解能を2倍に向上させた．さらに，同じ患者のT2強調画像と拡散強調画像から得られた画像特徴と代謝・生理機能を高度知能化診断システムの解析に加え，良悪性分類アルゴリズムの精度の改善を実施した．
我々の高度知能化診断システムでは，まず，DCE-MRI画像における空間分解能を超解像技術により改善した．次に，DCE-MRI画像，T2強調画像，および拡散強調画像のそれぞれから，腫瘤全体を含む関心領域（ROI）を選択した．そして，良性腫瘤を含むROIと悪性腫瘤を含むROIを区別するために，畳み込みニューラルネットワークを採用した．
90人の患者のMRI検査データ（良性28例と悪性62例）を対象に高度知能化診断システムの分類評価を実施した．その結果，高度知能化診断システムの分類精度，感度，特異度は，それぞれ，93.3％（84/90），95.2％（59/62），89.3％（28/25）が得られた．また，陽性予測度および陰性予測度は，95.2％（59/62），89.3％（25/28）であった．高度知能化診断システムの性能は，DCE-MRI画像だけでなく，同じ患者のT2強調画像および拡散強調画像も解析することによって大幅に改善された．
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
Research Products
(5 results)
