• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 実績報告書

次元的アプローチによる精神疾患脳画像への深層学習の応用

研究課題

研究課題/領域番号 19K17077
研究機関国立研究開発法人国立精神・神経医療研究センター

研究代表者

山口 博行  国立研究開発法人国立精神・神経医療研究センター, 神経研究所 疾病研究第七部, 科研費研究員 (40822557)

研究期間 (年度) 2019-04-01 – 2023-03-31
キーワード深層学習 / 機械学習 / 精神疾患 / 脳画像 / 次元的アプローチ / 人工知能
研究実績の概要

現在の深層学習を用いた精神疾患脳画像研究は、健常者と患者を判別するカテゴリー的アプローチが主流である。しかし、カテゴリー内の患者像が一様ではなく、カテゴリー間でも重複が見られ、病態解明に迫れていない。また、深層学習の過程で、疾患カテゴリー判別に関係ない情報は淘汰されており、深層学習の真価を発揮できていない。本研究は精神疾患カテゴリーに捉われず、症状・行動指標と生物学的基盤の対応を重視する次元的アプローチを採用する。その上で、脳画像から深層学習により症状・行動指標を標的とした特徴量の抽出技術の確立を目指した。
本研究では、3次元脳構造MRI画像を入力データとした、特徴量抽出深層ニューラルネットワークの構築を行なった。深層学習の訓練時には精神疾患診断ラベルを用いないネットワークを用いた。データは公開データベースから取得し前処理を行った。これらを入力データとしてネットワークの学習を行なった。ハイパーパラメーターである畳み込み数やチャンネル数を調整した複数のモデルについて、再構成誤差および抽出特徴量による臨床情報の予測性能を評価した。その結果、最適なハイパーパラメーターを持つモデルにより抽出された特徴量は症状や服薬量など統合失調症と関連した情報を含んでおり、従来手法を上回っていた。
本研究においては、ラベルを不要とする自己教師あり学習のアルゴリズムを用いており、人間によるバイアスを排除して、自己組織的に特徴量抽出が可能であり、これまで失われていた脳画像に含まれる情報も抽出できた可能性がある。また、次元的アプローチの理念に基づいて、データ駆動で臨床情報と関連した特徴量を抽出できており、統合失調症のみならず様々な精神疾患の脳画像にも転用できる可能性が示唆された。成果は学会発表を行なっており、原著論文として国際誌に掲載された。

  • 研究成果

    (1件)

すべて 2022

すべて 学会発表 (1件)

  • [学会発表] 生成系深層学習を使った精神疾患脳構造画像変換の検討2022

    • 著者名/発表者名
      山口博行, 清水正彬, 杉原玄一, 菱本明豊, 本田学, 山下祐一
    • 学会等名
      第118回日本精神神経学会学術総会

URL: 

公開日: 2023-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi