2018 Fiscal Year Annual Research Report
Radiogenomic diagnosis of brain tumors using artificial inteligence
Publicly Offered Research
| Project Area | Multidisciplinary computational anatomy and its application to highly intelligent diagnosis and therapy |
|---|
| Project/Area Number |
17H05308
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
木下 学 大阪大学, 医学系研究科, 講師 (40448064)
|
|---|
| Project Period (FY) |
2017-04-01 – 2019-03-31
|
| Keywords | 神経膠腫 / Radiomics / 深層学習 |
|---|
| Outline of Annual Research Achievements |
神経膠腫は中枢神経系に発生する希少がんで、手術・放射線治療・化学療法を組み合わせた集学的治療が実施されているが、予後不良な疾患である。神経膠腫は分子生物学的には数種類の異なった機序で発症していることが明らかになってきており、分子生物学的手法を用いた新たな病態理解・診断・治療のアプローチが求められている。
腫瘍の分子情報の取得には腫瘍組織の採取が必須であり、脳腫瘍の場合には開頭術という侵襲的な手技を経由する必要がある。このような侵襲的な手技を回避すべく、radiogenomicsもしくは人工知能という新規技術を発展させて、放射線画像という非侵襲的な診断技術で腫瘍の分子情報の取得を試みようとするのが本研究の主たる目的である。
本研究ではCNNによる人工知能を用いたMRIの画像特徴量抽出を行うため、自然画像からの画像特徴量抽出に優れているCNNである、AlexNetを上記解析システムに組み入れた。予備検討から、正常脳組織と脳腫瘍組織の識別においてAlexNetの第5層(conv5)まで畳み込まれた画像特徴が最も有用であることがわかった。
次にAlexNetから得られる第5層(conv5)の画像特徴量を用いて、IDH変異およびpTERT変異の推定アルゴリズム開発を行った。AlexNet-conv5の情報を付加しSupport vector machine(SVM)で解析した。その結果、従来法と比較してAlexNetから得られた画像特徴量を元データとすると10％の精度向上を確認することができた。
本研究結果では、AlexNetの神経膠腫画像特徴の抽出における有用性が証明された。
|
| 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。
|
