| 研究課題/領域番号 |
17K09070
|
|---|
| 研究機関 | 藤田保健衛生大学 |
|---|
研究代表者 |
寺本 篤司 藤田保健衛生大学, 保健学研究科, 准教授 (00513780)
|
|---|
| 研究分担者 |
塚本 徹哉 藤田保健衛生大学, 医学部, 准教授 (00236861)
今泉 和良 藤田保健衛生大学, 医学部, 教授 (50362257)
外山 宏 藤田保健衛生大学, 医学部, 教授 (90247643)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | PET/CT / 病理画像 / Classification / Deep learning |
|---|
| 研究実績の概要 |
（１）画像データベースの構築：分担研究者の所属する藤田保健衛生大学病院にて、肺結節の精密検査を行う際に収集したPET/CT画像および病理画像を抽出した。これまでに１０５症例のPET/CT画像および病理画像データを入手し、データベース化した。
（２）肺がん診断プロセスのモデル化：放射線科医や病理専門医がPET/CT画像や病理画像を用いて、どのように診断を下しているかを客観的に解析し、肺結節の良悪性や組織型を診断するプロセスをモデル化した。
（３）診断モデルに基づく良悪性鑑別手法の開発上記のモデルに基づき、PET/CT画像画像から形状（塊状度、スピキュラ、コントラスト、テキスチャ）や機能情報（PET画像のSUVやCT画像のCT値）を抽出し、Random Forestでそれらを統合し肺病変の良悪性を識別する手法を開発した。その結果、殆どの悪性腫瘍を正しく悪性と識別する条件にて７割以上の正常例を正しく分類することができ、高い識別性能を得ることができた。また、肺病理標本（細胞診）からバイオマーカーを算出する検討を行い、有意差検定を行った結果、開発したバイオマーカーは高い有意性を有することが確認された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
症例の収集および、病変部の特徴解析、そして良悪性の識別手法のソフトウエア開発は順調に進んでおり、その性能も従来の手法に比べて良好な値を示していることから、順調に進展していると考えることができる。
|
| 今後の研究の推進方策 |
（１）症例の追加：深層学習を用いた画像解析を行う場合、現在の症例数は十分とはいえない。今後はさらに症例数を増やし、様々な良悪性のパターンを収集する必要がある。
（２）深層学習による特徴量算出手法の開発：深層学習（ディープラーニング）法として、脳の認知プロセスにヒントを得て開発され、画像認識処理にて良好な識別精度を有する畳み込みニューラルネットワーク(CNN)に注目する。PET/CT画像については、２種類の３次元画像から結節付近の画像パターンを切り出し、CNNに入力する。病理画像については、細胞診および組織診のために顕微鏡で撮影されたカラー画像をCNNに入力する。そして、CNNの中間層では画像の特徴が抽出・圧縮された状態となっているため、CNNの中間層の数値を取り出し、特徴量とする。これらの技術の一部は研究代表者がこれまでの検討にて得た知識を利用し、さらに高い性能を得るために、深層学習のアーキテクチャを改良し、より直交性の高い情報が出力されるようにする。
（３）統計的手法を用いた特徴量の統合による画像バイオマーカーの生成：診断モデルに基づく画像特徴量と深層学習により得た画像特徴量を、統計的手法のひとつである独立成分分析により解析し、情報の主成分となる数値群を画像バイオマーカーとして出力する。ここで、画像バイオマーカーは鑑別診断、確定診断でそれぞれ利用できる画像情報が異なるため、PET/CT画像と病理画像の特徴量は独立して算出する。
（４）妥当性評価：構築した画像データベースを用いて、画像バイオマーカー値と疾患との関連性を調査する。さらに、画像バイオマーカーを医師が利用した場合と利用しない場合の診断精度をROC解析により評価し、本手法の有効性を確認する。
|
| 次年度使用額が生じた理由 |
旅費が想定を大幅に下回ったため、余剰が生じた。翌年度はその費用も加えることで、より高い性能の深層学習用ハードウエアを購入し、深層学習による検討を加速させる予定である。
|
