| 研究実績の概要 |
本研究の目的は，Radiomics特徴量を用いた線形判別分析により，乳房MRI画像における腫瘤病変のサブタイプ分類法を提案することである．実験試料は，公開データベースより得られた，71症例の乳房MRI画像を用いた．本研究で使用した画像のサイズは256×256画素，ピクセルサイズは0.32×0.32mm2，また濃度分解能は16ビット（65536階調）である．提案手法ではまず，腫瘤病変の面積が最大となるスライスを一枚選択し，それに対して腫瘤病変の位置と形状を手動でマーキングした．次に，マーキングした腫瘤病変より，20個のRadiomics特徴量（濃度ヒストグラム，同時生起行列，ランレングス行列に基づく特徴量）を抽出した．濃度ヒストグラムの特徴量としては，平均，分散，歪度，尖度を求める．次の同時生起行列に基づく特徴量としては，contrast, correlation, variance, sum average, entropy, energy, homogeneity, dissimilarity, auto correlationを抽出した．最後のランレングス行列に関する特徴量では，short run emphasis，long run emphasis，gray level nonuniformity, run length nonuniformity, run percentage, low gray level run emphasis, high gray-level run emphasisを抽出した．ここで，特徴量ごとに正規化を行っている．そして，抽出したRadiomics特徴量に対してStep Backward法を適用し，分類に有用な特徴量を決定した．最後に，Step Backward法により決定されたRadiomics特徴量を用いた線形判別分析により，腫瘤病変のサブタイプ分類を行った．提案手法を71症例の乳房MRI画像に適用した結果，AUCの値が0.73であった．今後，Radiomics特徴量に加えてCNN（Convolutional Neural Network）特徴量も追加することにより，更なる分類精度の向上が期待できる．また，本研究では分類器として線形判別分析を使用したが，その他の分類器，サポートベクターマシン，Random Forest，などに関しても，今後検討する．
|
