2018 Fiscal Year Annual Research Report
Risk Assessment of development disorder using spatiotemporal statistical shape model
Publicly Offered Research
| Project Area | Multidisciplinary computational anatomy and its application to highly intelligent diagnosis and therapy |
|---|
| Project/Area Number |
17H05304
|
|---|
| Research Institution | University of Hyogo |
|---|
Principal Investigator |
小橋 昌司 兵庫県立大学, 工学研究科, 教授 (00332966)
|
|---|
| Project Period (FY) |
2017-04-01 – 2019-03-31
|
| Keywords | 新生児 / MRI画像 / 医用画像解析 / 深層学習 / 時空間統計的形状モデル / 脳疾患 |
|---|
| Outline of Annual Research Achievements |
新生児期において，脳はその大きさ，形，また形態は成長時点により大きく変化する．脳発達に伴う正常な脳形状の変形を理解し，脳疾患に起因する微小な脳形状変形を検出することで，脳疾患を早期に発見できる．特に小児期の脳疾患は，より早期の治療，療育が症状の低減に有効であることが知られている．また，MRI画像での診断は，問診等に依らないため，新生児期から適用可能である．しかし，これまで新生児期を対象とした脳MRI画像診断支援に関する研究はほとんど行われていない．
本研究では，新生児脳疾患診断支援システムを構築するため，畳み込みニューラルネットワークに基づく３次元脳MR画像からの全脳領域抽出法を提案した．特に成人脳MR画像を事前学習する転移学習法により精度向上を図る．さらに，正常な脳発達に伴う脳形状変形をモデル化するため，統計的に個人間変動をモデル化した時空間統計的形状モデル(stSSM; spatiotemporal statistical shape model)を提案した．同stSSMを用いることで，新生児脳形状の静的形状パラメータの抽出，さらに成長に伴うパラメータ変動の抽出を行う．これら抽出パラメータを用い，機械学習によるクラス識別問題とすることで，新生児脳MR画像からの脳疾患検出法を提案した．
提案法を修正齢－５日から７３０日の新生児脳MR画像に適用した結果をダイス形式で評価すると，学習データに対しては０．９５８，評価データに対しては０．９１９であった．また転移学習無しの手法では，それぞれ０．９１９，０．８３８であり，提案法の有効性が示された．また，時空間統計的形状モデルにおいては，カルマンフィルタを導入することで，時間連続したモデル構築を可能とした．
|
| 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。
|
