| 研究領域 | 医用画像に基づく計算解剖学の多元化と高度知能化診断・治療への展開 |
|---|
| 研究課題/領域番号 |
17H05304
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
理工系
|
|---|
| 研究機関 | 兵庫県立大学 |
|---|
研究代表者 |
小橋 昌司 兵庫県立大学, 工学研究科, 教授 (00332966)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2018年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2017年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 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 / 発達障害 / 発症リスク / 機械学習 / MR画像 / 発症予測 / 計算機診断支援 / 画像診断 |
|---|
| 研究実績の概要 |
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．
|
| 現在までの達成度 (段落) |
平成30年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
平成30年度が最終年度であるため、記入しない。
|
