| 研究課題/領域番号 |
18K15565
|
|---|
| 研究機関 | 帝京大学 |
|---|
研究代表者 |
椎葉 拓郎 帝京大学, 福岡キャンパス, 講師 (30759501)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | ドパミントランスポーター / SPECT / パーキンソン症候群 / パーキンソン病 / 非典型的パーキンソン症候群 / 機械学習 / 人工知能 |
|---|
| 研究実績の概要 |
123I-FP-CITを用いたドパミントランスポータ（dopamine transporter: DAT）SPECT（以下、DATSPECT）の形状に着眼した機械学習によるパーキンソン病（Parkinson’s disease: PD）群と非典型的パーキンソン症候群（atypical parkinsonian syndrome: APS）の自動分類システムを開発することを目指し、平成30年度は、Parkinson’s Progression Markers Initiative（PPMI）より提供されているDATSPECT画像を用いて、線状体部分の自動抽出法の開発を行った。加算画像に対して、active contour法による線条体の領域抽出を行い、適切に集積部分を抽出できるか検討した。領域抽出の精度は、手動で集積部分に設定した領域との比較によって判断した。その後、画像から線条体部分の形状特徴量を算出した。形状的特徴量は、左右の線条体部分の面積、円形度、重心間距離、等価直径、周囲長、楕円長径、楕円短径とし、重心間距離以外は、左右比を算出した。抽出した領域内の画素値の最大値、最小値、平均値、標準偏差も取得した。
本研究において開発した線条体の自動位抽出法と手動による抽出した領域の一致率を100例（PD:50例、正常:50例）のDATSPECT画像に対してDice係数を用いて評価した結果、平均で80.6%の一致率を示した。さらに、これらの形状特徴量を用いたサポートベクトルマシンによる分類のROC解析の結果、自動ならびに手動抽出は、非常に高い分類性能（自動抽出AUC = 0.972(95%CI 0.914-0.992)、手動抽出AUC = 0.973(95%CI 0.935-0.989)）を示した。
|
| 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
DATSPECT画像における線条体の自動抽出法の開発が完成したことにより、自動抽出した形状特徴量を用いて分類を行うことが可能となったため、研究計画の通り進捗していると判断する。
|
| 今後の研究の推進方策 |
開発した線条体自動抽出法をAPSとPDの分類に応用し、チューニングと性能評価を行う。さらに発展的内容として、形状特徴量以外の特徴量（UPDRSなどの臨床評価スケール）を含めた分類精度向上を目指す。
|
