2018 Fiscal Year Annual Research Report

Development of local appearance model of normal organs by DCNN

Publicly Offered Research

Project Area	Multidisciplinary computational anatomy and its application to highly intelligent diagnosis and therapy
Project/Area Number	17H05282
Research Institution	The University of Tokyo
Principal Investigator	花岡昇平東京大学, 医学部附属病院, 助教 (80631382)
Project Period (FY)	2017-04-01 – 2019-03-31
Keywords	医用画像処理 / 深層学習 / X線CT / PET / 異常検知
Outline of Annual Research Achievements	当研究では、医用画像の正常のアピアランス(対象臓器内部の各ボクセルの輝度値)の空間的な分布を深層学習を用いて統計学的モデル化した。 2018年度では、主に2つの研究を行った。一つ目はPET-CTを対象とした研究であり、胸部のPET-CTの3次元CT画像を入力すると、PET画像での各ボクセルでのSUV(standard uptake value)値の推定値と推定誤差を出力するようなネットワークを学習した。学習は正常症例のみで行い、評価は異常症例で行って、推定値・誤差よりzスコアを各ボクセルで計算し、視覚化することにより異常検知を行った。FROCカーブを用いて評価を行い、症例あたりの偽陽性数3個のときに感度91%という結果を得た。本研究は第1回日本医用画像人工知能研究会学術集会にて発表された。二つ目の研究は時系列の体部CTを用いた新規骨転移の強調表示アプリケーションの開発である。前回のCT画像から、深層学習を用いて今回のCTでの各ボクセルの推定値・推定誤差を算出し、これを用いて各ボクセルでz-scoreを計算し、これを強調表示する手法をとった。本研究は国際学会であるCARS2018にて発表された。
Research Progress Status	平成30年度が最終年度であるため、記入しない。
Strategy for Future Research Activity	平成30年度が最終年度であるため、記入しない。