|
データ収集の困難なぶどう膜炎の画像解析として、後眼部における網膜血管漏出の自動抽出処理を開発した。網膜血管漏出は、ぶどう膜炎の疾患活動性を監視するための重要なバイオマーカーであることが知られている。蛍光眼底画像（FA）は、ぶどう膜炎の診断と評価の基本であるが、FA所見、特に網膜血管漏出の評価は主観的なものであった。本研究では、超広角眼底画像を使用し、FA画像の初期相と後期FA画像間での差分処理によって網膜血管漏出領域を抽出する処理を開発した。
差分処理のキーポイント取得のために、網膜血管を深層学習モデルU-Netで抽出した。ここで、教師データとする症例が少ないことから、カラー眼底画像のオープンデータを利用してU-Netを学習させた。これにより、FA画像を用いずにU-Netの学習を実現させた。つぎに、RANSACを用いて射影変換し、初期相と後期層の差分処理を行った。最後に、k-means法で血管漏出領域を推定した。
ベーチェット病患者 3 名と網膜血管炎を伴う特発性ブドウ膜炎患者 3 名の FA 画像を実験対象としたとき、血管漏出領域のセグメンテーションモデルが、精度0.434、再現率0.529、Dice係数0.467の結果を得た。さらに、本研究によって自動抽出した血管漏出領域の面積（画素数）と FA 血管漏出スコアの間には有意な相関関係があった。血管漏出の自動セグメンテーションは、後眼部ぶどう膜炎における疾患活動性の客観的かつ定量的な評価に役立つ可能性があると結論づける。
|
