2011 Fiscal Year Annual Research Report
統計ボリュームモデルに基づく慢性肝疾患の経時進行度に関する形態定量評価
Publicly Offered Research
Project Area | Computational anatomy for computer-aided diagnosis and therapy :Frontiers of medical image sciences |
Project/Area Number |
22103513
|
Research Institution | Ritsumeikan University |
Principal Investigator |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
Keywords | 肝硬変 / 統計形状モデル / 主成分分析 / 成分選択 / CT / 脾臓 / 機械学習 / 計算機支援診断 |
Research Abstract |
研究の2年目の平成23年においては、初年度で構築した肝臓の統計形状モデルを発展させて脾臓との統合モデルをも構築した。また、肝硬変に寄与する成分の選択法を提案した。さらに、SVRという機会学習の手法を用いて選択された成分と医師の診断結果とのMapping関数を求めた。そのMapping関数で予測された肝硬変の進行度と医師の診断結果とよい一致が得られたので、計算機解剖モデルによる肝硬変支援診断の可能性を示した。具体的な成果を以下に示す。 【成果1:肝臓と脾臓の統合統計形状モデルを作成】 これまで、主に肝臓の統計モデルを作成してきたが、肝臓の統計モデルだけでは、診断に不十分であることが判明したので、肝硬変によって形状や体積なども著しく変化する脾臓にも注目し、肝臓と脾臓の統合統計形状モデルを作成した。さらに、脾臓の統計形状モデルも作成した。 【成果2:肝硬変に寄与する成分の選択と正常・異常判別】 従来の研究において、肝臓の統計形状モデルのみを用いて、固有値の大きい成分を選択し、肝硬変の診断に使用しようとしているが、本研究では、構築した三つのモデル(肝臓統計モデル、脾臓統計モデル、肝臓と脾臓の統合統計モデル)から、固有値の大きさだけではなく、医師の診断結果との相関をも考慮し、肝硬変に寄与する成分をより正確に選択することができた。本提案法によって選択した成分を用いて正常と異常の判別実験において、90%に近い正解率が得られた。一方、従来の方法では、僅か60%の正解率であった。 【成果3:機械学習による肝硬変進行度の予測】 SVRという機会学習の手法を用いて選択された成分と医師の診断結果とのMapping関数を求めた。そのMapping関数で予測された肝硬変の進行度と医師の診断結果とよい一致が得られたので、計算機解剖モデルによる肝硬変支援診断の可能性を示した。
|
-
-
-
-
-
-
-
-
-
[Presentation] Cross-sectional Imaging of the Bowel2011
Author(s)
Akira Furukawa, Shuzo Kanasaki, Makoto Wakamiya, Kiyoshi Murata, Xin Wu, Tomoko Tateyama, Yen-Wei Chen
Organizer
International Conference on Computer Sciences and Convergence Information Technology
Place of Presentation
Jeju, Korea
Year and Date
2011-11-29
-
-
[Presentation] 3D Visualization of Liver and Its Vascular Structures and Surgical Plarming System--Surgical Simulation--2011
Author(s)
Tsukasa SHINDO, Tomoko TATEYAMA, Amir HOSSEIN FORUZAN, Xianhua HAN, Kosuke MIYAWAKI, Takumi TSUDA, Masaki KAIBORI, Masanori KON, Huiyan JIAMG, Yen-Wei CHEN
Organizer
International Conference on Computer Sciences and Convergence Information Technology
Place of Presentation
Jeju, Korea
Year and Date
2011-11-29
-
-
-
-
-
-
-
-
-
-