| 研究実績の概要 |
2023年、多装置・施設からのCT画像を含むデータベースにより、前年に開発された筋骨格セグメンテーションモデルの予測の不確実性を検証した。データベースには、変形性股関節症や軟部肉腫などのさまざまな患者の病気や、臥位や立位のCTなどの体位のバリエーションが含まれていた。予測の不確実性は、単一データベース(大阪大学所属病院)内の50例における22の構造(3つの骨と19の筋肉)の正解データで検証し、多装置・施設データーベースにおいて、中殿筋の正解データを作成し、モデルを検証した。構造におけるセグメンテーション誤差の検出において、平均ROCは0.95であった。さらに、このモデルは、筋肉体積(誤差:3.87%)と筋肉密度(誤差:1.31HU)の予測において、高い精度を示した。
検証されたモデルは、大阪大学所属病院の2,579 CT画像を含む股関節疾患患者の大規模データベース内の22の骨と筋肉を予測するために使用した。変形性股関節症を等級付けするための深層学習モデルを開発し(精度:96.4%)、CT画像内の患側と非患側を予測した(Masuda M, et al. IJCARS, 2024)。このモデルは、不正確な(人間によるわずかな修正で修正可能)セグメンテーションと、失敗したセグメンテーションを含む結果を正常に識別できた。したがって、予測されたセグメンテーションは現在、大規模データベースで筋疾患の進行を分析するために使用している。
さらに、16個の構造を含む体幹部の筋肉と脂肪を予測するモデルが開発した。このモデルは10例で検証し、高い精度を示しました(Dice係数:83.8%; Sanaa G, et al. MI研、2024)。現在、体幹部CT画像の大規模データベースにおけるセグメンテーションと疾患進行分析に使用している。
|
