| 研究課題/領域番号 |
18K12095
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
花岡 昇平 東京大学, 医学部附属病院, 助教 (80631382)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 医用画像処理 / 異常検知 / X線CT |
|---|
| 研究実績の概要 |
本研究では、深層学習を用いたCT画像における骨病変の異常検知を最終的な目的としている。2018年度においては、時系列CT画像から、新規に発生した骨病変を強調表示するアプリケーションを開発した。まず申請者が開発した骨ランドマーク検出システムおよび骨領域抽出システムを用いて、脊柱および骨盤骨を抽出し、前回CTと今回CTの位置合わせ(レジストレーション)を行い、そののち、骨転移が発生していないと前提して、前回CTから今回CTのボクセル値を各ボクセルで推定し、さらにその推定誤差も出力するプログラムを、深層学習を用いて作成した。これら推定値および推定誤差を用いて、各ボクセルで今回CTにおけるz-scoreを算出し、これを異常度としてCT画像に重畳表示することにより、異常検出・強調表示を行った。本研究は国際学会であるCARS2018にて発表された。
|
| 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
ランドマーク検出、時系列画像の位置合わせなどの要素技術が開発済みであり、それらを利用して経時差分を行うシステムからの発展として、深層学習によるz-scoreの計算と可視化まで進むことができた。この手法は前回CT画像を必要とするという欠点はあるものの、さまざまな病変に対して汎用的に適用できることが重要であると思われる。当初の目的・目標である骨の病変の汎用的な異常検知に対して前進していると考えられるが、時間差分であるという問題、脊柱骨と骨盤骨のみが対象である点、などを勘案し、(2)おおむね順調に進展しているとした。
|
| 今後の研究の推進方策 |
今後は、経時比較だけではなく、今回のCT画像のみから異常検知できるアルゴリズムの開発が期待される。また、脊柱骨・骨盤骨のみならずほかの体幹の骨にも対象を広げたい。さらに、現在は強調表示に留まっているが、ボクセル毎のz-scoreはすでに出ているので、これを用いて病変検出アルゴリズムを実装し、検出性能の評価を行いたいと考えている。
|
| 次年度使用額が生じた理由 |
当初予定していた学会参加ができなかったため、旅費に残金が生じた。さらに病変領域の正解入力を放射線技師に依頼する謝金についても計画に遅れが生じ、執行率が低かった。これらについて、2019年度は学会に予定通り参加し、また遅れている正解入力業務の依頼・実行を粛々と進めてゆく予定である。
|
