| 研究課題/領域番号 |
19K20719
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90130:医用システム関連
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
檜作 彰良 立命館大学, 理工学部, 助教 (20822844)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2021年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | Radiomics / ディープラーニング / 乳房MRI画像 / 乳がん / レディオミクス / 複数シーケンス / Lasso / Cox比例ハザードモデル / トリプルネガティブ乳がん / 複数シーケンス画像 / LASSO / Support vector machine / テクスチャ解析 / 人工知能 / コンピュータ支援診断 |
|---|
| 研究開始時の研究の概要 |
本研究では，MRI画像よりテクスチャ情報などのRadiomics特徴と臨床的特徴を用いた人工知能技術（AI）により，乳がん患者の予後予測が可能な，新しいコンピュータ支援診断システムの開発を行う．提案手法では，まず，AI技術の一つであるU-Netにより，MRI画像より腫瘤病変の領域を正確に抽出する．次に，抽出された腫瘤領域より，テクスチャ解析技術，事前学習済みのCNN（Convolutional Neural Network）を用いて，画像特徴量を抽出する．最後に，抽出した画像特徴量と年齢などの臨床的な特徴量を組み合わせ，それらをニューラルネットワークに入力することにより，患者の予後予測を行う．
|
| 研究成果の概要 |
本研究では，Radiomics特徴量を用いたSVM（Support Vector Machine）により，乳房MRI画像からトリプルネガティブ乳がん（TNBC）の分類法の開発とRadiomics特徴量を用いたCox比例ハザードモデルによる生存推定の検討を行った．実験試料は，The Cancer Imaging Archiveに含まれる66症例の乳がんのデータ（T1強調画像，T2強調画像，ダイナミックMRI画像）を用いた．提案手法を実験試料に適用した結果，TNBCの正答率：84.8%，感度：81.3%，特異度：86.0%，area under the ROC curve：0.874が得られた．
|
| 研究成果の学術的意義や社会的意義 |
従来のCAD（Computer-aided diagnosis）システムの多くは，乳房MRI画像上の病変の存在診断や鑑別診断の支援が目的であった．したがって，従来のCADシステムでは，医師が患者の治療方針を決定するための指標（遺伝子変異など）までを提示することができなかった．そこで本研究では，乳房MRI画像から得られるテクスチャ情報などのRadiomics特徴量と機械学習により，トリプルネガティブ乳がんの推定法の開発と生存予測の検討を行った．提案手法の結果を医師が参考にすることで，治療方針を決定する際の有用な情報となる可能性がある．
|
