2020 年度研究成果報告書

Explicit shape knowledge-based feature augmentation for disease progression analysis: application in liver fibrosis prediction

研究課題

PDF

研究課題/領域番号	19K20711
研究種目	若手研究
配分区分	基金
審査区分	小区分90130:医用システム関連
研究機関	奈良先端科学技術大学院大学
研究代表者	SOUFI MAZEN 奈良先端科学技術大学院大学, 先端科学技術研究科, 助教 (80823525)
研究期間 (年度)	2019-04-01 – 2021-03-31
キーワード	肝線維化 / 統計形状モデリング / MR画像
研究成果の概要	本研究課題は、慢性肝疾患における肝線維化ステージの自動診断精度向上および線維化進行度予測モデルの構築を目的とした。研究期間内にかけて、日常臨床で用いられるMR画像を用いて、肝線維化診断システムを提案した。造影MR画像における部分最小二乗法を用いた統計形状モデリングによる、肝線維化早期検出精度を90±3%を得て、一般的に観察される変形のみならず、局所的な変形も表現できて、臨床的な意義も確認した(IJCARS; Impact Factor: 2.473, JAMIT2019)。さらに、251症例のMRデータベースを構築し、肝臓及び脾臓の自動セグメンテーションツールを提案した(JAMIT2020)。
自由記述の分野	人間医工学
研究成果の学術的意義や社会的意義	本研究では、MR画像における統計形状解析とテクスチャ解析に基づいた特徴量を融合すると、肝線維化ステージの自動診断精度向上を示した。また、統計形状モデルにより、一般的に観察される左葉の全体的な肥大と右葉の収縮のみならず、局所的な変形、例えば右葉後部と尾状葉の肥大も表現できて、統計形状モデルの学術的な意義を確認できた。さらに、251症例の肝臓と脾臓の正解データを作成し、深層学習に基づいた画像自動セグメンテーションツール(Bayesian U-Net)をMR画像に適応した。予測確信度とセグメンテーション精度(Dice係数)との高い相関を得て、本手法の汎用性を示した。