| 研究課題/領域番号 |
16K14279
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
金 亨燮 九州工業大学, 大学院工学研究院, 教授 (80295005)
|
|---|
| 研究分担者 |
青木 隆敏 産業医科大学, 医学部, 准教授 (40299631)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | 関節リウマチ / コンピュータ画像診断支援 / 深層学習 / 遺伝的アルゴリズム / ResNet |
|---|
| 研究実績の概要 |
骨の主な疾患として、関節リウマチや骨粗しょう症がある。これらの病気の原因には不明な要素も多く、的確な診断を行うには画像診断に頼るところが多い。しかし、画像診断には長年の経験を要することや、医師の経験差による病変の未検出もあることから、コンピュータを利用した診断支援(Computer Aided Dignosis)法の開発が望まれている。
そこで本申請研究では、指骨のCR画像から骨粗しょう症や関節リウマチの診断支援を行うための画像解析法を開発した。CADシステムを構築するためには、関心領域の正確なセグメンテーションに加えて、病変部の強調表示法の開発のための画像位置合わせ手法の開発が必要である。平成３０年度には、主に画像位置合わせ法の開発に主眼をおき、病変有り無しの解析法を開発した。その概要を以下に示す。
まず、同一被験者の過去・現在画像間の画像自動位置合わせを行うため、Real-Coded Genetic Algorithm（RCGA）を用いた最適化法により，両画像の位置合わせ時に発生する面積差を最適指標として用いた剛体画像位置合わせ法を提案した．RCGAによる位置合わせでは、精度を落とすことなく計算時間の低減を図ることが確認できた。
次に、畳み込みニューラルネットワークの一種である，Residual Network（ResNet）を改良した位置合わせ法を考案し、正常・異常の各指骨CT画像に対する病変部有無の識別器を構築した。本研究では、深層学習への入力として3種類の変換画像を与える手法を提案し、各画像で学習および識別の評価を行った結果、101症例に対するReceiver Operating Characteristics（ROC）曲線上のArea Under the Curve（AUC）値を用いて評価したところ、最大で0.931という良好な実験結果を得た。
|
| 備考 |
研究室のURLに研究室の研究内容は業績リストを公開
|
